/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
1 окт 2026

dinov2

ЭмбеддингиТекст → embedding

Предварительно обученный визуальный трансформер DINOv2 ViT-L/14 для извлечения признаков изображений и использования как энкодера в DeDoDe.

0скачиваний за 30 дней0лайковвеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий kornia/dinov2 содержит предварительно обученные веса визуального энкодера DINOv2 ViT-L/14 без выходных голов. Kornia распространяет их для использования как замороженного энкодера дескрипторов в DeDoDe, в частности для дескрипторов G. DINOv2 — семейство визуальных трансформеров, обученных без учителя; исходная модель опубликована в facebookresearch/dinov2.

Модель извлекает общие визуальные признаки из изображений и может служить визуальным бэкбоном в задачах компьютерного зрения, включая кодирование изображений для дескрипторов и сопоставления. Веса перенесены из исходного файла PyTorch в safetensors без изменения тензоров, типов, форм или битов; Kornia сообщает о побитово идентичных признаках при загрузке из обоих файлов. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • извлечение визуальных признаков из изображений
  • кодирование изображений для дескрипторов DeDoDe
  • получение признаков для сопоставления изображений
  • использование визуального бэкбона в задачах компьютерного зрения

Ограничения

Это веса визуального бэкбона без выходных голов; README описывает их применение как энкодера признаков, а не как самостоятельной модели для генерации или классификации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

kornia/dinov2

Pretrained DINOv2 ViT-L/14 backbone weights, used by kornia's DeDoDe descriptor encoder (kornia.feature.dedode.encoder.FrozenDINOv2, behind the G descriptors of kornia.feature.DeDoDe).

DINOv2 is a family of self-supervised vision transformers that give general-purpose visual features. This is the distilled ViT-L/14 backbone without heads.

Original repo: facebookresearch/dinov2

Weights

FileModel
dinov2_vitl14_pretrain.safetensorsViT-L/14 distilled, backbone only

Provenance

dinov2_vitl14_pretrain.safetensors holds the tensors of the upstream dinov2_vitl14_pretrain.pth (sha256 d5383ea8f4877b2472eb973e0fd72d557c7da5d3611bd527ceeb1d7162cbf428), unchanged: the same keys, dtypes, shapes and bits. The kornia maintainers converted it (converter revision 0c3db846b2) and checked that the backbone loaded from either file gives bitwise-identical features. The sha256 of the converted file is a8a908b7571371a71f160ae436d7eb7b71689d9e6202c6751e533a256e420e81.

License

Apache-2.0. The upstream README states that "DINOv2 code and model weights are released under the Apache License 2.0". See LICENSE, copied from facebookresearch/dinov2. That README's noncommercial licence covers the separate XRay-DINO model, not these weights.

Citation

@misc{oquab2023dinov2,
    title   = {DINOv2: Learning Robust Visual Features without Supervision},
    author  = {Oquab, Maxime and Darcet, Timothée and Moutakanni, Theo and Vo, Huy V. and Szafraniec, Marc and
               Khalidov, Vasil and Fernandez, Pierre and Haziza, Daniel and Massa, Francisco and El-Nouby, Alaaeldin
               and Howes, Russell and Huang, Po-Yao and Xu, Hu and Sharma, Vasu and Li, Shang-Wen and Galuba,
               Wojciech and Rabbat, Mike and Assran, Mido and Ballas, Nicolas and Synnaeve, Gabriel and Misra, Ishan
               and Jegou, Herve and Mairal, Julien and Labatut, Patrick and Joulin, Armand and Bojanowski, Piotr},
    journal = {arXiv:2304.07193},
    year    = {2023}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
4eabb0c

0 моделей