# 自己教師あり視覚特徴

DINOv2-smallのONNXフォーマットバージョン、視覚タスクに適しています

視覚Transformer（ViT）ベースの画像特徴モデルで、自己教師ありDINOv2手法を用いてLVD-142Mデータセットで事前学習済み。

DINOv2でトレーニングされた視覚Transformerモデルで、レジスタトークンを追加することでアテンションメカニズムを改善し、アーティファクトを除去して性能を向上

DINOv2はFacebook研究チームによって開発された視覚特徴抽出モデルで、自己教師あり学習により強力な画像表現能力を獲得しています。

DINOv2はFacebook Researchが開発した教師なし学習の視覚特徴抽出モデルで、ロバストな視覚特徴表現を生成できます。

DINOv2はFacebook Researchが開発した視覚特徴抽出モデルで、教師なし学習でロバストな視覚特徴を生成します。

レジスタを備えた視覚Transformer（ViT）画像特徴モデルで、自己教師ありDINOv2手法を用いてLVD-142Mデータセットで事前学習されています。

レジスタ付き視覚トランスフォーマー（ViT）画像特徴モデル、自己教師ありのDINOv2手法でLVD-142Mデータセット上で事前学習済み。

レジスタを備えた視覚Transformer（ViT）画像特徴モデルで、自己教師ありDINOv2手法を用いてLVD-142Mデータセットで事前学習されています。

レジスタを備えた視覚トランスフォーマー（ViT）画像特徴モデルで、自己教師ありのDINOv2手法を用いてLVD-142Mデータセットで事前学習されています。

DINOv2手法で訓練された小型視覚Transformerモデルで、画像特徴抽出と分類タスクに適しています

DINOv2手法でトレーニングされた小型視覚Transformerモデル、自己教師あり学習で画像特徴を抽出

DINOv2手法で訓練された視覚Transformerモデル、自己教師あり学習により画像特徴を抽出

DINOv2手法で訓練されたビジョンTransformerモデル。自己教師あり学習により大量の画像データから頑健な視覚特徴を抽出

DINOv2手法でトレーニングされた視覚Transformerモデル、自己教師あり学習で画像特徴を抽出

視覚Transformer（ViT）ベースの画像特徴モデル、自己教師ありDINOv2手法でLVD-142Mデータセット上で事前学習

視覚Transformer（ViT）ベースの自己教師あり画像特徴モデルで、DINOv2手法を用いてLVD-142Mデータセットで事前学習されており、画像分類や特徴抽出タスクに適しています。

Vision Transformer(ViT)ベースの巨大画像特徴抽出モデル、自己教師ありDINOv2手法でLVD-142Mデータセット上で事前学習

Vision Transformer（ViT）ベースの画像特徴モデル、自己教師ありDINOv2手法でLVD-142Mデータセット上で事前学習済み

視覚トランスフォーマー(ViT)ベースの大規模画像特徴抽出モデルで、自己教師ありマスクオートエンコーダ(MAE)手法を用いてImageNet-1kデータセットで事前学習済み

Vision Transformer(ViT)ベースの画像特徴抽出モデル。自己教師ありマスク自己エンコーダ(MAE)手法を用いてImageNet-1kデータセットで事前学習済み