AI 模型广场

DINOv2 Giant 是 Meta 推出的一款顶尖自监督视觉模型，它通过大规模数据的预训练，具备极强的图像特征提取能力。与需要大量标注数据的传统模型不同，它能直接‘理解’图像中的语义和空间结构。对于开发者来说，它相当于一个强大的视觉编码...

这是一个由 Google 发布的经典视觉 Transformer (ViT) 预训练模型。它在 ImageNet-21k 海量数据集上进行了预训练，具备极强的图像通用特征提取能力。与传统的 CNN 不同，它将图像切分为 16x16 的 Pa...

DINOv2 Base 是 Meta 推出的自监督视觉模型，它不像传统的图像分类模型那样只给出标签，而是将图像转化为高质量的特征向量（Embedding）。对于开发者而言，它就像是视觉领域的“通用特征提取器”，无需大规模标注数据，就能在图像...

这是一个基于 DINOv2 预训练的 ViT-Base 视觉模型，采用 14x14 的 patch 划分。不同于传统的监督学习模型，它通过自监督学习在海量数据集上训练，具备极强的通用特征提取能力。对于中国开发者来说，它最大的价值在于无需微调...

DINOv2 Small 是 Meta 推出的一款高性能自监督视觉模型。与传统的监督学习模型不同，它在海量数据上通过自监督方式预训练，能够提取出极具判别力的图像特征。对于开发者而言，它相当于一个强大的“视觉编码器”，无需针对特定任务重新训练...

DINOv2 Large 是 Meta 推出的高性能自监督视觉模型，核心能力在于能够将图像转化为极高质量的特征向量（Embedding）。与需要大量标注数据的传统模型不同，它通过海量数据的自监督学习，具备了极强的通用视觉表征能力。对于开发者...

这是一个基于 DINOv2 预训练权重的 ViT-Base 视觉模型，采用 14x14 的 Patch 分割。不同于传统的有监督模型，它通过自监督学习在海量数据上训练，能够提取出极强的通用图像特征。对于开发者而言，它相当于一个强大的“视觉编...

这是一个基于 DINOv2 预训练的 ViT-Large 视觉模型，由 timm 库提供。它不同于传统的分类模型，而是一个强大的图像特征提取器。该模型在海量数据上经过自监督学习，能够捕捉极细粒度的图像语义特征，无需针对具体任务微调即可在图像...

这是一个基于 DINOv2 预训练权重的 ViT-Small 视觉模型，由 timm 库提供。它采用了 14 像素的 Patch 大小，核心优势在于其强大的自监督特征提取能力。不同于传统的分类模型，它更像是一个“通用视觉编码器”，能将图像转...

这是一个基于 DINOv2 预训练权重的 ViT-Small 视觉模型，采用 14x14 的 patch 分割。不同于传统的有监督模型，它通过自监督学习在海量数据上训练，具备极强的通用特征提取能力。对于中国开发者而言，它是一个理想的“视觉骨...

DINO ViT-B/16 是由 Meta (Facebook) 开发的一款强大的自监督视觉特征提取模型。与传统的监督学习不同，它通过自蒸馏机制在海量无标签图像上训练，能够捕捉到极强的语义特征。对于开发者而言，它相当于一个高性能的“图像编码...