待验证50% 置信事实精确时间

DINOv2 Giant输出嵌入维度高达1536维，在仅175张训练样本下k-NN面临维度灾难挑战

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

DINOv2 vs SigLIP：k-NN分类为何差距悬殊？视觉编码器选型避坑指南

redditr/MachineLearning2026/7/8

相关事实

待验证DINOv2 Giant参数量约11亿、嵌入维度1536，均显著大于SigLIP2 SO400M（约4亿参数、维度1152）和CLIP ViT-L（约3亿参数、维度768），但k-NN任务表现最差74% 相似待验证DINOv2 Giant参数量约11亿，嵌入维度为153673% 相似待验证测试者用双4090（48GB显存）工作站运行20.7B稠密模型，每秒生成27.6个Token，仅比矮星略快，但参数量小10倍以上60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/466984

API

curl https://kongchang.com/api/v1/knowledge/claims/466984

MCP

get_claim(id=466984)