LegközelebbKövetkező útmutató
DreamFusion és Score desztillációs mintavétel
Vizuális AI
Vizuális MI ÚTMUTATÓ
A DINO egy önfelügyelt módszer, amely arra tanítja meg a látástranszformátort, hogy a hálózat saját magát tanítja meg a címkék nélküli képek megértésére.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Olyan tiszta funkciókat hoz létre, hogy az objektumok határai ingyenesen megjelennek a figyelemtérképeken.
A DINO-t, az öndesztilláció rövidítése címkék nélkül, a Meta AI (akkor még Facebook AI) tette közzé 2021-ben. Ugyanannak a hálózatnak a két példányát használja – egy diákot és egy tanárt –, és egy kép különböző kibővített kivágásaival látja el őket. A tanuló megpróbálja megfeleltetni a tanár kimeneteloszlását, bár a tanár csak más nézetet lát. Lényeges, hogy a tanárt nem képezik közvetlenül; súlyai a tanuló exponenciális mozgóátlagai, lassan lemaradva. Annak érdekében, hogy a hálózat ne omoljon össze egyetlen állandó válaszra, a DINO központosítja és élesíti a tanár kimeneteit. Megdöbbentő eredmény, hogy az eredményül kapott látótranszformátor önfigyelési térképei feldarabolják az objektumokat anélkül, hogy megmondanák, mi az objektum.
Felügyelet nélküli objektumszegmentálás, ahol a DINO figyelmi térképe felvázolja az objektumokat maszkcímkék nélkül
Képlekérés és másolásérzékelés a DINO funkciók segítségével közel duplikált vagy vizuálisan hasonló képek megtalálásához
A DINOv2 befagyasztott gerincként működik a mélységbecsléshez és a sűrű előrejelzési feladatokhoz
Orvosi vagy műholdas látásmodellek előképzése, ahol a címkézett adatok szűkösek vagy költségesek
DINO launched a line of self-supervised visual representation research. DINOv2, introduced in 2023, used a curated collection of 142 million images, selected from a larger pool, to train general-purpose visual features. These features can serve as frozen backbones for tasks such as retrieval, segmentation, and depth estimation, with task-specific heads and evaluation still needed. Self-distillation remains useful where annotations are expensive, while deployment requires checking performance on the intended images rather than assuming transfer is automatic.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A DINO egy önfelügyelt módszer, amely arra tanítja meg a látástranszformátort, hogy a hálózat saját magát tanítja meg a címkék nélküli képek megértésére. Olyan tiszta funkciókat hoz létre, hogy az objektumok határai ingyenesen megjelennek a figyelemtérképeken.
A DINO öndesztillációt jelent címkék nélkül – teljesen önfelügyelt, nem igényel emberi megjegyzéseket.
A tanár a hallgató EMA-ja, ezért zökkenőmentesen követi a diákot, nem pedig közvetlenül képezi ki.
A központosítás és az élesítés ellensúlyozza egymást, hogy a tanári eredmények változatosak legyenek, elkerülve a triviális állandó megoldást.
A tanár csak a globális terményeket látja, míg a tanuló kis helyi terményeket is lát, ezzel ösztönözve a helyi és globális konzisztenciát.
The study observed useful object-related attention structure, rather than guaranteeing complete segmentation on every input.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
DreamFusion és Score desztillációs mintavétel
Vizuális AI