dinov2

DINOv2 是一个基于自监督学习的视觉特征提取框架，无需人工标注即可从海量无标签图像中学习鲁棒、通用的视觉表征。其核心采用改进的 Vision Transformer 架构，支持带 registers 的模型变体，并提供多尺度预训练模型（如 ViT-S/14），输出的嵌入特征可直接用于线性分类、k-NN 检索等下游任务，且跨域泛化能力强。项目已扩展支持医学影像（X-ray-DINO）、生物显微图像（Cell-DINO）及通道自适应（Channel-Adaptive DINO）等垂直场景，并集成图像-文本对齐能力（DINOv2 Meets Text）。适用于需要高质量无监督视觉特征的科研与工业应用，如医疗影像分析、细胞图像理解、跨模态检索等。