# 言語監督なし

これはDINOv2自己教師あり学習により20億のウェブ画像でトレーニングされた30億パラメータの視覚Transformerモデルで、言語監督なしで強力な視覚表現を学習できます。

これはDINOv2自己教師あり学習により20億のウェブ画像でトレーニングされた10億パラメータのVision Transformerモデルで、言語監督なしで視覚表現を学習できます。

30億パラメータの視覚Transformerモデル、DINOv2自己教師あり学習手法を用いて軽フィルタリングされたウェブ規模画像データで訓練、言語監督不要。