# 自監督視覺特徵

DINOv2-small 的 ONNX 格式版本，適用於視覺任務

基於視覺Transformer（ViT）的圖像特徵模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練。

基於DINOv2訓練的視覺Transformer模型，通過添加寄存器令牌改進注意力機制，消除偽影並提升性能

DINOv2 是 Facebook 研究團隊開發的視覺特徵提取模型，通過自監督學習獲得強大的圖像表示能力。

DINOv2是Facebook Research開發的一種無需監督學習的視覺特徵提取模型，能夠生成魯棒的視覺特徵表示。

DINOv2是Facebook Research開發的視覺特徵提取模型，無需監督學習即可生成魯棒的視覺特徵。

一種帶有寄存器的視覺Transformer（ViT）圖像特徵模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練。

帶有寄存器的視覺變換器（ViT）圖像特徵模型，使用自監督的DINOv2方法在LVD-142M數據集上進行預訓練。

一個帶有寄存器的視覺Transformer（ViT）圖像特徵模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練。

一個帶有寄存器的視覺變換器（ViT）圖像特徵模型，使用自監督的DINOv2方法在LVD-142M數據集上進行預訓練。

基於DINOv2方法訓練的小型視覺Transformer模型，適用於圖像特徵提取和分類任務

基於DINOv2方法訓練的小尺寸視覺Transformer模型，通過自監督學習提取圖像特徵

採用DINOv2方法訓練的視覺Transformer模型，通過自監督學習提取圖像特徵

基於DINOv2方法訓練的視覺Transformer模型，通過自監督學習從海量圖像數據中提取魯棒視覺特徵

基於DINOv2方法訓練的視覺Transformer模型，通過自監督學習提取圖像特徵

基於視覺Transformer（ViT）的圖像特徵模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練

基於視覺Transformer（ViT）的自監督圖像特徵模型，採用DINOv2方法在LVD-142M數據集上預訓練，適用於圖像分類和特徵提取任務。

基於視覺Transformer(ViT)的巨型圖像特徵提取模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練

基於Vision Transformer（ViT）的圖像特徵模型，採用自監督DINOv2方法在LVD-142M數據集上預訓練

基於視覺變換器(ViT)的大型圖像特徵提取模型，採用自監督掩碼自編碼器(MAE)方法在ImageNet-1k數據集上預訓練

基於視覺Transformer(ViT)的圖像特徵提取模型，採用自監督掩碼自編碼器(MAE)方法在ImageNet-1k數據集上預訓練