已验证65% 置信事实精确时间
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
3
来源数
65%
置信度
长期有效
时效性
2026/8/18
首次发现
来源
相关事实
待验证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。75% 相似待验证DINOv2的训练框架以iBOT为主干，结合DINO的自蒸馏目标和SwAV的聚类一致性损失，并加入masked image modeling任务74% 相似已验证该模型基于V4 Flash架构，通过持续训练（continued training）叠加视觉模块获得图像理解能力72% 相似已验证CLIP（Contrastive Language-Image Pre-training）是OpenAI于2021年发布的多模态模型，通过对比学习在4亿组图文对上训练70% 相似待验证原生视觉能力指模型在预训练阶段就将图像、视频等多模态数据与文本数据联合训练，而非通过后期插件式适配器拼接视觉编码器70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/769950API
curl https://kongchang.com/api/v1/knowledge/claims/769950MCP
get_claim(id=769950)