# 无语言监督学习

50亿参数的视觉Transformer模型，通过20亿网络图像的自监督学习训练而成，无需语言监督即可在各种视觉任务中表现优异。

基于DINOv2自监督学习框架训练的20亿参数视觉Transformer模型，使用轻过滤的网络规模图像数据（无需语言监督）。

20亿参数视觉Transformer模型，通过纯视觉自监督学习在20亿网络图像上训练而成，在多模态任务中表现优异

基于20亿级严选MetaCLIP数据训练的30亿参数视觉Transformer模型，采用DINOv2自监督学习框架

10亿参数的视觉Transformer模型，通过掩码自编码器自监督学习方法在20亿网络图像上训练，无需语言监督即可学习视觉表征。