待验证50% 置信事实精确时间
DINOv2-base 是 Meta 提出的自监督视觉 Transformer 模型，基于 ViT-B/14 架构，参数量约 8600 万，通过自蒸馏目标在大规模无标注图像上预训练，无需文本监督即可产出通用视觉特征。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
已验证DINOv2是Meta AI于2023年发布的视觉基础模型，采用自监督学习范式在大规模无标注图像数据上进行预训练75% 相似待验证DINOv2使用Vision Transformer（ViT）架构，将输入图像划分为固定大小的补丁，每个补丁经Transformer编码后产生高维嵌入向量74% 相似待验证Meta的Muse Image采用基于Transformer的掩码生成架构,在图像生成速度上具有明显优势69% 相似待验证DINO 是一种通过自蒸馏训练出的视觉 Transformer 特征提取器，本身不自带检测头。68% 相似待验证主流VLM通常采用预训练的Vision Transformer(ViT)作为视觉编码器,如CLIP ViT、SigLIP等67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1127617API
curl https://kongchang.com/api/v1/knowledge/claims/1127617MCP
get_claim(id=1127617)