Meta DINOv3：自监督学习引领视觉全能新纪元

【导读】Meta最新力作DINOv3，以自监督学习震撼登场，17亿张图片训练，视觉性能无出其右！NASA火星探测、医疗、卫星、自动驾驶全面革新。

70亿参数巨擘DINOv3，Meta倾力打造，完全开源！

借助自监督学习（SSL）的强大力量，DINOv3能够生成高精度图像特征，展现非凡实力。

在多个密集预测任务中，这是首个单一视觉主干网络超越专用解决方案的里程碑。

DINOv3重新定义计算机视觉性能极限，多项基准测试刷新或逼近最佳记录！

NASA更是将DINOv3应用于火星探索，科技实力直逼天际！

正当众人以为Meta在AI竞赛中落败之际，DINOv3的横空出世令人刮目相看。

Meta此番真乃慷慨之举：DINOv3不仅适用于商业用途，更将完整的预训练主干网络、适配器、训练与评估代码等「全流程」开源。

项目地址：https://github.com/facebookresearch/dinov3

全部checkpoint：https://huggingface.co/collections/facebook/dinov3-68924841bd6b561778e310...

DINOv3亮点包括：

SSL支持无需标签的含17亿张图像、70亿参数模型训练，特别适用于标注资源稀缺的场景，包括卫星图像。

生成高分辨率特征，并在密集预测任务上实现顶尖性能。

支持多样化的视觉任务和领域应用，均使用冻结主干（无需微调）。

包含蒸馏后的小模型（ViT-B、ViT-L和ConvNeXt 变体），便于灵活部署。

自监督学习再攀高峰

自监督学习无需人工标注即可独立学习，已成为现代机器学习领域的领军范式。

大语言模型的崛起正是得益于此：通过海量文本语料库进行预训练以获取通用表征。然而，计算机视觉领域的进展一度滞后，因为最强大的图像编码模型仍严重依赖人工生成的元数据，如网络图片标题。

DINOv3彻底改变这一现状：

DINOv3创新了无监督学习技术，极大减少了训练所需时间和资源。

这种免标注方法特别适用于标注稀缺、成本高昂或无法获取标注的场景。例如，卫星影像预训练的DINOv3骨干网络在树冠高度估计等下游任务中表现卓越。

DINOv3不仅能加速现有应用的发展，还可能解锁全新应用场景，推动医疗保健、环境监测、自动驾驶、零售、制造等行业进步，实现更精准、高效的大规模视觉理解。

史无前例：自监督学习超越弱监督

DINOv3再次刷新里程碑——首次证明自监督学习（SSL）模型在广泛任务中超越弱监督模型。

DINOv3继承DINO算法，无需任何元数据输入，且训练算力仅为以往方法的一小部分，却能产出极其强大的视觉基础模型。

在竞争激烈的下游任务（如冻结权重条件下的目标检测）中，DINOv3也取得当前最优表现。

高效Scaling无需微调

相较于前代DINOv2，DINOv3在规模上实现了大幅提升：

模型参数扩大7倍，训练数据量提升12倍。

为了验证其多样性，Meta团队在15项不同的视觉任务和超过6...展开全文查看更多...