Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
8/18/2026
First Seen
Sources
Related Claims
UnverifiedDINOv2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% similarVerifiedCLIP（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% similarUnverified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% similarUnverified谷歌的PaLI、OpenAI的GPT-4V、Meta的LLaMA Vision均沿用了类似的图文对齐预训练策略67% similarUnverifiedAnimateDiff（2023）通过在预训练图像扩散模型中插入时序注意力模块实现可控动画67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/769950API
curl https://kongchang.com/api/v1/knowledge/claims/769950MCP
get_claim(id=769950)