テクノロジー
Meta、画像認識の常識を覆す「DINOv3」発表：”ラベル不要”で世界を認識する時代の幕開け
Meta AIは、自己教師あり学習を未曾有の規模でスケールアップした次世代コンピュータビジョンモデル「DINOv3」を発表した。人間によるラベル付けを一切必要とせず、17億枚の画像と70億パラメータで訓練されたDINOv […]
Tech Product
DINOv3
Overview
最終更新: 2026年7月9日DINOv3は、Meta AIが開発した自己教師あり学習（SSL）に基づく最新のコンピュータビジョンモデルである。17億枚の画像と70億のパラメータを用いて訓練され、人間によるラベル付けを必要とせずに画像内の物体や構造を高度に理解できる。ファインチューニングなしで、セグメンテーションや深度推定など多様なタスクで専門モデルを凌駕する性能を発揮する。
Mentioned Articles
1 件External Mentions
10 件- arXiv C2RM-Seg: Causal Counterfactual Reasoning with Structural-Semantic Priors for Weakly Supervised Histopathological Tissue Segmentation
- arXiv Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution
- arXiv Structuring Sparsity: Block-Sparse Featurizers Capture Visual Concept Manifolds
- arXiv Training-free Cross-domain Few-shot Segmentation via Robust Semantic Representation and Matching
- arXiv Technical Report for the ICRA 2026 GOOSE 2D Fine-Grained Semantic Segmentation Challenge: Pretraining-Diverse Ensemble of Foundation Vision Encoders for Robust Outdoor Scene Understanding
- arXiv GeoCFNet: Geometry-Aware Confidence Field Network for Robot-Assisted Endoscopic Submucosal Dissection
- arXiv Damage-TriageFormer: A Foundation-Model Framework for Typology-Based Building Damage Assessment from Mono-Temporal Imagery
- arXiv Frozen Foundation-Model Embeddings Discard Small-Lesion Signal in Chest Radiography: Implications for Pre-Deployment Evaluation
- arXiv ZODS-RS -- Zero-training Oriented Detection & Segmentation for Remote Sensing
- arXiv SemDINO: A DINOv3-Driven Network for Cross-Temporal Semantic Alignment in Change Detection