模型DINOv3 ViT / DINOv3 Vision Transformer
DINOv3
基于Vision Transformer架构的自监督视觉预训练模型，属于DINO系列，通过自蒸馏方式在大规模图像数据上预训练，学习通用视觉特征表示，可适配多种下游视觉任务
时间轴 (近 90 天)
10月26日
SPOOK实验在ImageNet和Flickr30k数据集上评估了OpenCLIP和DINOv3模型。
待验证50%
10月26日
在DINOv3上，经过稀疏像素编辑的空白画布同样观察到高目标对齐度和接近顶部的原型排名。
待验证50%
10月26日
离流形失败模式同时存在于语言对齐的多模态编码器（OpenCLIP）和自监督视觉编码器（DINOv3）中，表明该脆弱性可能是现代视觉编码器表示几何的共享特性。
待验证50%
10月26日
DINOv3是自监督视觉编码器的代表，通过自蒸馏方法在无标签图像上学习视觉表示，不涉及文本监督。
待验证50%