Meta AI · 图像模型
Meta 发布 DINOv3 自监督视觉模型
Meta AI 发布 DINOv3，这是其自监督视觉模型系列的新版本。DINOv3 无需人工标注即可从图像中学习视觉表征，在分类、分割、检测等任务上表现良好。该模型基于 ViT 架构，在训练稳定性和特征质量上做了改进，为计算机视觉领域提供了一个可用的基础模型。
- 域名
ai.meta.com- 评分
- 5 · 重大发布
- 发布
- 2025-08-13
导读
Meta AI 发布 DINOv3，第三代自监督视觉基础模型。文章开篇就点出一个长期差距：语言模型早已在大规模无监督预训练中学到通用表征，而视觉领域最强的 image encoder 仍然依赖网络图文 caption 等弱监督信号。DINOv3 用纯 self-supervised learning 把训练数据扩展到 17 亿张图像、模型规模扩展到 70 亿参数，证明 SSL 模型可以在广泛任务上超过弱监督方案。
关键工程目标是 frozen weights 下的 dense prediction 能力。DINOv3 在 segmentation、monocular depth estimation、object detection 等密集预测任务上明显拉开差距，少量标注配合轻量 adapter 即可拿到 robust 的稠密预测结果；更复杂的 decoder 配合下，模型可在冻结主干前提下达到 SOTA，省去为每项任务单独 fine-tune 的开销。
Meta 同时发布部署友好版本，把 ViT-7B 蒸馏成 ViT-B、ViT-L 等较小变体，并提供 ConvNeXt 架构 T/S/B/L 四档。一个基于 MAXAR 卫星图像训练的专用 backbone 也一并开源，在 canopy height estimation 等任务上表现良好。整套权重以商业许可发布，蒸馏 pipeline 与示例 notebook 同步开放，标注稀缺的医疗影像、环境监测、自动驾驶等场景由此获得一个可直接落地的 vision foundation model。