Meta AIが発表した「DINOv3」：70億パラメータで全能の視覚AIへ。微調整なしでSOTAを圧倒

Meta AIが発表した最新のビジョン基盤モデル「DINOv3」について解説する。70億パラメータモデルで、従来のビジョンモデルのスケーリングにおける課題であった「密な特徴の劣化」を克服する技術的回答を示し、微調整なしでSOTAを圧倒する性能を持つことを紹介する。高品質画像16.89億枚を学習データとしている。

• Meta AIが70億パラメータの全能視覚AI「DINOv3」を発表した。
• 「Gram Anchoring」手法で、大規模化による画像詳細の劣化問題を解決した。
• 微調整なしで既存のSOTAモデルを上回る性能を達成した。
• ProxyCLIPなどのフレームワークと連携し、学習不要で精度向上を実現する。