PAPER 컴퓨터 비전 · 자기지도학습
DINOv2: 텍스트 없이 만든 비전 파운데이션 모델
12억 장의 웹 이미지에서 검색 기반으로 큐레이션한 LVD-142M 위에, DINO(이미지 수준)와 iBOT(패치 수준 마스킹) 손실을 결합해 1.1B ViT-g를 학습하고 소형 모델로 증류한다. frozen feature만으로 OpenCLIP을 넘는, 텍스트 감독 없는 범용 시각 backbone을 실증했다.
#데이터셋
데이터 구축, 정제, 벤치마크, 라벨링과 분석. Записей: 0 · Разборов статей: 1 (всего 1)
PAPER