DINOv3：Meta AI Research发布的视觉基础模型新标杆，专注于高分辨率密集特征提取，广泛适应多种视觉任务，无需微调即可超越多项专业领域最优表现。

• 支持多种预训练架构：ViT系列（从21M到7B参数规模）、ConvNeXt系列，覆盖网络与卫星影像数据预训练
• 模型权重通过PyTorch Hub及Hugging Face Transformers库提供，方便集成与快速部署
• 丰富预训练头部支持分类、深度估计、目标检测、语义分割及零样本文本对齐等多任务，扩展实际应用场景
• 训练采用分布式多阶段策略，包含预训练、Gram锚定、高分辨率适配，确保模型泛化能力和细粒度特征捕获
• 完整训练与评估代码开源，支持ImageNet及私有大规模数据集，提供详尽示例和Google Colab笔记本助力快速入门
• 采用规范化图像预处理，针对网络和卫星数据分别优化，保证输入数据一致性和性能稳定