RT @akinoriosamura: DINOv2
画像レベルの視覚タスク（画像分類、インスタンス検索、ビデオ理解）とピクセルレベルの視覚タスク（深度推定、セマンティックセグメンテーション）に適した普遍的な特徴を抽出
1億4,200万枚の画像からなるデータセットを利用
商用は不可
https://t.co/sCWgrWChEg
https://t.co/YkM2GyGl9G https://t.co/WOKJzb7AlU