Meta Memperkenalkan DINOv3: Model Visi Mandiri Canggih untuk Analisis Visual Skalabel dan Presisi Tinggi

Divisi penelitian perusahaan teknologi Meta, yang mengembangkan teknologi AI dan augmented reality, Meta AI telah memperkenalkan DINOv3, model visi komputer generalis mutakhir yang dilatih menggunakan pembelajaran mandiri (SSL) untuk menghasilkan fitur visual berkualitas tinggi. Untuk pertama kalinya, satu tulang punggung visi beku melampaui model khusus pada beberapa tugas prediksi padat yang telah mapan, termasuk deteksi objek dan segmentasi semantik.

DINOv3 mencapai performa ini melalui metode SSL canggih yang menghilangkan kebutuhan akan data berlabel, mengurangi waktu pelatihan dan kebutuhan sumber daya sekaligus memungkinkan model untuk diskalakan hingga 1.7 miliar gambar dan 7 miliar parameter. Pendekatan tanpa label ini menjadikan model ini cocok untuk aplikasi dengan anotasi terbatas, mahal, atau tidak tersedia. Misalnya, tulang punggung DINOv3 yang telah dilatih sebelumnya pada citra satelit telah menunjukkan hasil yang kuat pada tugas-tugas hilir seperti estimasi tinggi tajuk.

Model ini diharapkan dapat meningkatkan aplikasi saat ini dan memungkinkan aplikasi baru di berbagai sektor seperti perawatan kesehatan, pemantauan lingkungan, kendaraan otonom, ritel, dan manufaktur, dengan menawarkan peningkatan akurasi dan efisiensi dalam pemahaman visual berskala besar.

DINOv3 dirilis dengan seperangkat lengkap backbone sumber terbuka di bawah lisensi komersial, termasuk backbone yang berfokus pada satelit yang dilatih pada citra MAXAR. Sejumlah kepala evaluasi hilir juga dibagikan agar para peneliti dapat mereproduksi dan memperluas hasilnya. Buku catatan contoh dan dokumentasi terperinci disediakan untuk membantu komunitas segera mulai bekerja dengan DINOv3.

DINOv3: Membuka Aplikasi Berdampak Tinggi Melalui Pembelajaran Mandiri

Menurut Meta AI DINOv3 merupakan kemajuan penting dalam pembelajaran mandiri (SSL), yang untuk pertama kalinya menunjukkan bahwa model SSL dapat melampaui kinerja model yang diawasi secara lemah dalam berbagai tugas. Meskipun versi DINO sebelumnya menghasilkan hasil yang kuat dalam tugas prediksi padat seperti segmentasi dan estimasi kedalaman monokuler, DINOv3 dibangun di atas fondasi ini dan mencapai tingkat kinerja yang lebih tinggi.

DINOv3 mengembangkan algoritma DINO asli dengan menghilangkan kebutuhan input metadata, menggunakan komputasi pelatihan yang lebih sedikit dibandingkan pendekatan sebelumnya, sekaligus tetap menghasilkan model dasar visi berkinerja tinggi. Penyempurnaan dalam DINOv3 memungkinkan hasil mutakhir pada tugas-tugas hilir seperti deteksi objek, bahkan ketika bobot model tetap beku, sehingga menghilangkan kebutuhan akan fine-tuning khusus tugas dan memungkinkan aplikasi yang lebih fleksibel dan efisien.

Karena metodologi DINO tidak terikat pada jenis citra tertentu, metodologi ini dapat diterapkan di berbagai domain di mana pelabelan mahal atau tidak praktis. Iterasi sebelumnya, seperti DINOv2, telah memanfaatkan sejumlah besar data tak berlabel untuk aplikasi medis, termasuk histologi, endoskopi, dan pencitraan. Untuk citra satelit dan udara, di mana volume dan kompleksitas data membuat pelabelan manual tidak memungkinkan, DINOv3 memungkinkan pelatihan model tulang punggung tunggal yang dapat diterapkan di berbagai sumber satelit, mendukung kasus penggunaan yang lebih luas dalam pemantauan lingkungan, perencanaan kota, dan tanggap bencana.

DINOv3 telah menunjukkan dampak praktis. World Resources Institute (WRI) menggunakan model ini untuk memantau deforestasi dan memandu upaya restorasi, sehingga memungkinkan kelompok lokal untuk melindungi ekosistem dengan lebih baik. Dengan menganalisis citra satelit untuk mendeteksi hilangnya pohon dan perubahan tata guna lahan, DINOv3 meningkatkan akurasi verifikasi pendanaan iklim, mengurangi biaya transaksi, dan mempercepat pendanaan untuk proyek-proyek lokal skala kecil. Dalam satu contoh, penggunaan DINOv3 yang dilatih pada citra satelit dan udara mengurangi kesalahan rata-rata dalam mengukur tinggi tajuk pohon di suatu wilayah di Kenya dari 4.1 meter menjadi 1.2 meter, yang memungkinkan WRI untuk meningkatkan skala dukungan bagi ribuan petani dan inisiatif konservasi secara lebih efektif.