无需文字标签，完全自监督的 Meta 视觉大模型来了!

小扎亲自官宣，发布即收获大量关注度 ——

在语义分割、实例分割、深度估计和图像检索等任务中，这个名叫 DINOv2 的视觉大模型均取得了非常不错的效果。

甚至有超过当前最好的开源视觉模型 OpenCLIP 之势。

虽然此前 Meta 就发布过自监督学习视觉大模型 DINO，不过这次 AI 识别图像特征的能力显然更进一步，准确分割出了视频中的主体：

换而言之，DINOv2 自己学会了找图像特征。

目前 Meta 官方不仅已经放出了开源代码，而且还给了网页版 Demo 试玩。有网友内涵：

什么叫开源，LLaMA，SAM，DINOv2 这才叫开源!

准确识别不同画风的同种物体

事实上，DINOv2 是基于上一代 DINOv1 打造的视觉大模型。

这个模型参数量是 10 亿级，也仍然是视觉 Transformer 架构(ViT)，但与 DINO 不太一样的是，这次 DINOv2 在数据集上经过了精心挑选。

具体来说，DINOv2 构建了一个数据筛选 pipeline，将内容相似的图片精心筛选出来，同时排除掉相同的图片：

最终呈现给 DINOv2 的训练数据图片虽然没有文字标签，但这些图片的特征确实是相似的。

采用这类数据训练出来的视觉模型，效果如何?

这是 DINOv2 在 8 个视觉任务上的表现，包括语义分割、分类、深度估计等，其中橙色是自监督方法的效果，深粉色是弱监督方法的效果。

可以看见，经过自监督学习的视觉模型，表现上已经与经过弱监督学习的模型性能相当。

实际效果也不错，即便在一系列照片中，相同物体的画风并不相似，DINOv2 也能准确识别它们的特征，并分到相似的列表中。

如(a)组中都具有翅膀的鸟和飞机、(b)组中的大象和大象雕塑、(c)组中的汽车和汽车玩具模型、(d)组中的马和涂鸦版马：

而且从 PCA(主成分分析)图像效果来看，DINOv2 不仅能准确分类，还能用不同颜色标出它们“相同”的部分，例如象鼻都是绿色、车轮都是红色、马的尾巴是黄色等。

换而言之，DINOv2 能理解这些图像中的相似之处，就像人会形容飞机“看起来像一只鸟”一样。

目前 DINOv2 已经放出 Demo，我们也试了试它的实际效果。

Demo 直接可玩

官网已经开放语义分割、图像检索和深度估计三大功能的试玩。

据 Meta 介绍，这几个任务中，DINOv2 在大多数基准上超过了目前开源视觉模型中表现最好的 OpenCLIP。

我们先来看看深度估计的效果。

除此之外，如同扎克伯格所说，DINOv2 还能被用于改善医学成像、粮食作物生长等。当然这里小扎还进一步强调：

可以被用于制作更具沉浸感的元宇宙。

嗯，看来 Meta 的元宇宙路线还将继续……

四川新希望（000876）上市公司流通股是多少 流通股为45.02亿

（2023年07月02日）张崇和：古韵剑南 酒美博览-环球微速讯:

新疆维吾尔自治区天山股份（000877）上市公司每股多少钱 流通股为16.54亿

华为C8800（基本参数/产品介绍/其它性能）

云南云南铜业（000878）上市公司涉及概念有哪些 流通股为17.00亿

山东潍柴重机（000880）上市公司平均成本是多少 流通股为1.62亿

华为C8816（包装清单/规格参数）

辽宁中广核技（000881）上市公司平均成本是多少 流通股为7.76亿

北京华联股份（000882）上市公司平均成本是多少 流通股为27.37亿

华为T8300（功能/信息/网络数据）

湖北湖北能源（000883）上市公司每股多少钱 流通股为65.06亿

河南城发环境（000885）上市公司涉及概念有哪些 流通股为6.42亿

华为反腐（事发经过/简介）

海南海南高速（000886）上市公司每股多少钱 流通股为9.76亿

安徽中鼎股份（000887）上市公司流通股是多少 流通股为13.14亿