DINOv3

DINOv3 to rodzina samonadzorowanych modeli wizyjnych (vision foundation models) opracowana przez Meta AI, zaprezentowana 14 sierpnia 2025. Modele uczone są bez etykiet na 1,7 mld obrazów (zbiór LVD-1689M), a flagowy wariant ViT-7B ma około 6,7 mld parametrów.

Meta udostępniła też warianty destylowane (ViT-S, ViT-S+, ViT-B, ViT-L, ViT-H+ oraz backbony ConvNeXt T/S/B/L) i wariant satelitarny trenowany na zbiorze SAT-493M. Kluczową techniką jest Gram anchoring, która przeciwdziała degradacji gęstych map cech podczas długiego treningu.

Modele osiągają wyniki na poziomie stanu wiedzy w detekcji obiektów, segmentacji semantycznej i estymacji głębi bez dostrajania (fine-tuningu) backbone’u. Wagi i kod udostępniono na licencji DINOv3 poprzez GitHub (facebookresearch/dinov3) oraz Hugging Face.