DINOv2

一类基础模型，可生成适用于图像级视觉任务（如图像分类、实例检索、视频理解）以及像素级视觉任务（如深度估计、语义分割）的通用特征。DINOv2 模型生成的视觉特征性能优异，可直接与简单的线性层分类器结合，应用于多种计算机视觉任务；这些视觉特征具有鲁棒性，在不同领域均表现良好，且无需微调。该模型在包含14200万张图像的数据集上进行预训练，未使用任何标签或注释。