InayofuataMwongozo unaofuata
DreamFusion na Score Distillation Sampuli
AI ya kuona
Mwongozo wa AI unaoonekana
DINO Self- kunereka
DINO ni mbinu inayojisimamia inayofunza kibadilishaji maono kuelewa picha zisizo na lebo hata kidogo, kwa kufanya mtandao ujifundishe.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Hutoa vipengele vilivyo safi sana hivi kwamba mipaka ya kitu hujitokeza bila malipo katika ramani za umakinifu.
Dive ya kina
DINO, kwa kifupi cha kujisafisha bila lebo, ilichapishwa na Meta AI (wakati huo Facebook AI) mnamo 2021. Inatumia nakala mbili za mtandao mmoja - mwanafunzi na mwalimu - na kuwalisha mazao tofauti yaliyoongezwa ya picha moja. Mwanafunzi anajaribu kulinganisha usambazaji wa pato la mwalimu, ingawa mwalimu huona tu mtazamo tofauti. Muhimu zaidi, mwalimu hajafunzwa moja kwa moja; uzani wake ni wastani wa kusonga mbele wa mwanafunzi, akifuata nyuma polepole. Ili kuzuia mtandao kuporomoka hadi jibu moja la mara kwa mara, DINO huzingatia na kunoa matokeo ya mwalimu. Matokeo ya kustaajabisha ni kwamba ramani za kujiangalia za sehemu ya kibadilishaji maono inayotokana na vitu bila kuambiwa kitu ni nini.
Utekelezaji wa Ulimwengu Halisi
Mgawanyiko wa kitu kisichosimamiwa, ambapo uangalizi wa DINO unaonyesha vitu bila lebo zozote za barakoa.
Urejeshaji wa picha na utambuzi wa kunakili, kwa kutumia vipengele vya DINO kupata picha zinazokaribia kufanana au zinazofanana
DINOv2 inaangazia kama uti wa mgongo uliogandishwa kwa ukadiriaji wa kina na kazi mnene za utabiri
Kuandaa mapema miundo ya kimatibabu au ya satelaiti ambapo data iliyo na lebo ni adimu au ya gharama kubwa
Mustakabali wa Kujisafisha kwa DINO
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.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Kasi na kiwango. Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
- Tengeneza chaguzi. Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
- Timu na mtiririko wa kazi. Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Jihadharini na
- Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
- Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
- Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Hatua zinazofuata
- Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
- Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
- Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
- Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the DINO Self-Distillation quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
DINO Self- kunereka ni nini?
DINO ni mbinu inayojisimamia inayofunza kibadilishaji maono kuelewa picha zisizo na lebo hata kidogo, kwa kufanya mtandao ujifundishe. Hutoa vipengele vilivyo safi sana hivi kwamba mipaka ya kitu hujitokeza bila malipo katika ramani za umakinifu.
Je, 'HAPANA' katika DINO inamaanisha nini?
DINO ina maana ya kujisafisha bila lebo - inajisimamia kikamilifu, haihitaji ufafanuzi wa kibinadamu.
Je, uzani wa mtandao wa walimu unasasishwa vipi katika DINO?
Mwalimu ni EMA ya mwanafunzi, kwa hivyo inamfuata mwanafunzi vizuri badala ya kufunzwa moja kwa moja.
Je, uwekaji katikati na kunoa matokeo ya mwalimu huzuia tatizo gani?
Kuweka kati na kunoa kunawiana ili kuweka matokeo ya mwalimu kuwa tofauti, kuepuka suluhu dogo lisilobadilika.
Katika mkakati wa DINO wa mazao mengi, mwalimu anapokea maoni gani?
Mwalimu huona mazao ya kimataifa pekee huku mwanafunzi pia anaona mazao madogo ya kienyeji, hivyo kuhimiza uthabiti wa ndani hadi kimataifa.
What emergent property did the original DINO study observe in vision-transformer attention maps?
The study observed useful object-related attention structure, rather than guaranteeing complete segmentation on every input.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii