DINOv2 相关 AI 资讯 · AITOP · AI热报

8月28日

17:58

17:58

官方账号arXiv cs.AI@Lukas Kuhn, Lucas Maes, Giuseppe Serra, Quentin Le Lidec, Yann LeCun, Randall Balestriero, Florian Buettner

精选73°

LeVJEPA是首个基于LeJEPA无崩溃目标训练的视频编码器，仅需一个编码器和投影器。在相同数据下，LeVJEPA在ViT-S/B/L模型上比V-JEPA 2节省5.6至20.8倍预训练计算量，在ImageNet-1K上比最强视频基线高7.6分。采用块因果注意力训练后，LeVJEPA在运动相关基准上的准确率接近DINOv2的两倍。

论文 LeVJEPA V-JEPA 视频预训练

推荐理由：LeVJEPA用简单架构实现视频预训练，大幅降低计算量，在图像和运动任务上都表现出色。

7月22日

15:55

15:55IT之家（博客/媒体）

精选

英伟达发布合成视频检测器（SVD）服务，识别AI生成视频的准确率达92%。该服务整合到NIM微服务中，通过将视频拆分为504x504帧，交由Meta的DINOv2和DINOv3视觉变换器处理，每帧评分0到1。未经压缩视频准确率92%，15%压缩率下87%，50%压缩率下82%。处理速度方面，在RTX GPU上1080p视频仅需22毫秒。

AI产品英伟达 SVD NIM

推荐理由：英伟达新出了SVD工具，能检测AI视频，最高92%准确率，在显卡上22毫秒跑完1080p视频。

7月1日

09:41

09:41

官方账号arXiv cs.LG@Louis Mouchon

这篇论文提出，编码器隐空间上的小预测器计算的惊喜信号，既能作为可塑性门控，也能支持元认知。在第一个系统中，基于DINOv2或I-JEPA骨架的非参数情景记忆在持续学习1000类ImageNet时，通过离线复述分别恢复17.7和51.3个百分点的旧类保留率。第二个系统将相同信号用于视觉语言模型，使其在已知概念时断言、陌生时拒绝并请求解释，AUROC达0.966。经过睡眠阶段后，系统能回忆99.2%的教过事实，而基线模型为0%。

论文 DINOv2 I-JEPA ImageNet

推荐理由：这篇论文用同一个惊喜信号同时解决了持续学习的灾难性遗忘和VLM的元认知问题，效果很漂亮，值得做记忆或VLM的朋友看看。

6月30日

12:29

12:29

官方账号arXiv cs.AI@Heejeong Nam, Chandradithya S Jonnalagadda, Harshit Aggarwal, Eric Xu, Randall Balestriero

Observed Transition Factorization (OTF) 将每个过渡分解为稀疏的观察过渡原语，用于解耦智能体动作与干扰物、相机动态等。基于此，OTF-LAM 在标准逆向正向动力学框架中将运动原语抽象为动作潜变量，而 OTF-LAM-Dino 则在冻结的 DINOv2 表示空间中预测未来状态，无需解码器。实验表明，OTF 原语在控制载体和形态变化下零样本迁移，下游策略学习性能在复杂过渡歧义下匹配或优于基线。

论文 OTF-LAM OTF DINOv2

推荐理由：这篇论文提出了新方法 OTF，能在有干扰的场景下解耦动作源。OFT-LAM 和 OFT-LAM-Dino 两种变体在零样本迁移和复杂环境下表现不错，适合做多物体交互推理的研究者看看。