डिनो स्व-आसवन
DINO एक स्व-पर्यवेक्षित विधि है जो नेटवर्क को स्वयं सिखाकर, बिना किसी लेबल वाली छवियों को समझने के लिए एक दृष्टि ट्रांसफार्मर को प्रशिक्षित करती है।
सिंहावलोकन
It produces features so clean that object boundaries emerge for free in the attention maps.
गहरा गोता
DINO, बिना किसी लेबल के स्व-आसवन के लिए संक्षिप्त, 2021 में Meta AI (तब फेसबुक AI) द्वारा प्रकाशित किया गया था। यह एक ही नेटवर्क की दो प्रतियों का उपयोग करता है - एक छात्र और एक शिक्षक - और उन्हें एक छवि की विभिन्न संवर्धित फसलें खिलाता है। छात्र शिक्षक के आउटपुट वितरण से मेल खाने की कोशिश करता है, भले ही शिक्षक केवल एक अलग दृष्टिकोण देखता है। महत्वपूर्ण बात यह है कि शिक्षक को सीधे तौर पर प्रशिक्षित नहीं किया जाता है; इसका वजन उस छात्र का घातीय गतिशील औसत है, जो धीरे-धीरे पीछे चल रहा है। नेटवर्क को एकल स्थिर उत्तर तक ढहने से रोकने के लिए, DINO शिक्षक के आउटपुट को केन्द्रित और तेज करता है। एक आश्चर्यजनक परिणाम यह है कि परिणामी दृष्टि ट्रांसफार्मर खंड की वस्तुओं के आत्म-ध्यान मानचित्र बिना यह बताए कि वस्तु क्या है।
तकनीकी अंतर्दृष्टि
दोनों नेटवर्क सॉफ्टमैक्स के बाद एक उच्च-आयामी संभाव्यता वितरण का उत्पादन करते हैं। छात्र छोटी स्थानीय फसलों के साथ-साथ वैश्विक विचारों को भी देखता है, जबकि शिक्षक केवल वैश्विक विचारों को देखता है - एक बहु-फसल रणनीति जो स्थानीय से वैश्विक स्थिरता को आगे बढ़ाती है। नुकसान शिक्षक और छात्र वितरण के बीच क्रॉस-एन्ट्रापी है, जिसमें ग्रेडिएंट केवल छात्र के माध्यम से प्रवाहित होते हैं। दो तरकीबें पतन को रोकती हैं: केंद्रीकरण शिक्षक लॉगिट्स से एक रनिंग माध्य घटाता है, और एक कम तापमान उन्हें तेज करता है, एक दूसरे को संतुलित करता है ताकि आउटपुट विविध बने रहें।
सामरिक प्रभाव
गति और पैमाना
विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
विकल्प बनाएं
रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
टीम और वर्कफ़्लो
संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
डिनो स्व-आसवन का भविष्य
DINO ने कार्य की एक प्रमुख श्रृंखला शुरू की। DINOv2 (2023) ने नुस्खा को एक अरब से अधिक क्यूरेटेड छवियों तक बढ़ाया, जिससे सभी-उद्देश्यीय दृश्य विशेषताएं प्राप्त हुईं जो गहराई के अनुमान, विभाजन और पुनर्प्राप्ति में पर्यवेक्षित मॉडल को प्रतिद्वंद्वी बनाती हैं - बिना किसी फाइन-ट्यूनिंग के प्रयोग करने योग्य। स्व-आसवन के केंद्रीय बने रहने की अपेक्षा करें क्योंकि यह क्षेत्र दृष्टि, रोबोटिक्स और मल्टीमॉडल सिस्टम के लिए लेबल-मुक्त फाउंडेशन मॉडल का पीछा करता है, जहां एनोटेशन महंगा है। उभरती-विभाजन संपत्ति भी व्याख्यात्मक, खुली-शब्दावली धारणा में अनुसंधान को बढ़ावा देती रहती है।
वास्तविक विश्व कार्यान्वयन
बिना पर्यवेक्षित वस्तु विभाजन, जहां DINO का ध्यान बिना किसी मुखौटा लेबल के वस्तुओं की रूपरेखा तैयार करता है
छवि पुनर्प्राप्ति और प्रतिलिपि का पता लगाना, लगभग-डुप्लिकेट या दृश्यमान समान छवियों को खोजने के लिए DINO सुविधाओं का उपयोग करना
DINOv2 गहराई अनुमान और गहन भविष्यवाणी कार्यों के लिए एक जमे हुए रीढ़ की हड्डी के रूप में कार्य करता है
जहां लेबल किया गया डेटा दुर्लभ या महंगा है, वहां मेडिकल या सैटेलाइट विज़न मॉडल का प्रीट्रेनिंग करना
जोखिम और रेलिंग
यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
कार्यान्वयन रोडमैप
सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the DINO Self-Distillation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
ड्रीमफ़्यूज़न और स्कोर आसवन नमूनाकरण
अक्सर पूछे जाने वाले प्रश्नों
What is DINO Self-Distillation?
DINO एक स्व-पर्यवेक्षित विधि है जो नेटवर्क को स्वयं सिखाकर, बिना किसी लेबल वाली छवियों को समझने के लिए एक दृष्टि ट्रांसफार्मर को प्रशिक्षित करती है। यह इतनी साफ़-सुथरी विशेषताएँ उत्पन्न करता है कि वस्तु सीमाएँ ध्यान मानचित्रों में निःशुल्क उभर आती हैं।
DINO में 'NO' का क्या मतलब है?
DINO का अर्थ है बिना किसी लेबल वाला स्व-आसवन - यह पूरी तरह से स्व-पर्यवेक्षित है, इसमें किसी मानवीय टिप्पणी की आवश्यकता नहीं है।
DINO में शिक्षक नेटवर्क के वेटेज कैसे अपडेट किए जाते हैं?
शिक्षक छात्र का ईएमए होता है, इसलिए वह सीधे प्रशिक्षित होने के बजाय छात्र का आसानी से पीछा करता है।
शिक्षक आउटपुट को केंद्रित करने और तेज करने से किस समस्या का निवारण होता है?
तुच्छ निरंतर समाधान से बचते हुए, शिक्षकों के आउटपुट को विविध बनाए रखने के लिए एक-दूसरे को केंद्रित करना और तेज करना।
DINO की बहु-फसल रणनीति में, शिक्षक को कौन से विचार प्राप्त होते हैं?
शिक्षक केवल वैश्विक फसलें देखता है जबकि छात्र छोटी स्थानीय फसलें भी देखता है, जो स्थानीय से वैश्विक स्थिरता को प्रोत्साहित करती हैं।
डिनो-प्रशिक्षित दृष्टि ट्रांसफार्मर के ध्यान मानचित्रों में कौन सी आश्चर्यजनक संपत्ति उभरती है?
DINO का आत्म-ध्यान स्वाभाविक रूप से वस्तु की सीमाओं को उजागर करता है, मुखौटे न देखने के बावजूद विभाजन करता है।