DINOv3 Fachartikel im Überblick (Oktober 2026)

DINOv3 ist ein technischer Bericht von Meta AI Research (FAIR) über Bild-Basismodelle, die ohne Beschriftungen trainiert werden. Die Modelle liefern allgemeine Bildmerkmale, die ohne Feintuning für Klassifikation, Segmentierung, Tiefenschätzung und Bereiche wie Satellitenbilder taugen.

Der Bericht skaliert Datensatz und Modellgröße, führt Gram Anchoring gegen die Verschlechterung dichter Merkmalskarten bei langem Training ein und verbessert die Modelle mit nachgelagerten Verfahren. Die Grundmodelle reichen von einem destillierten ViT-S mit 21 Millionen Parametern bis zu deutlich größeren Modellen, dazu kommen ConvNeXt-Destillate.

Die Gewichte gibt es nach Annahme der Lizenz über Metas Download-Seite und auf dem Hugging Face Hub, unterstützt in Transformers und timm. Neu hinzugekommen sind unter anderem ein Modell für Baumkronenhöhen vom März 2026 und Trainingscode mit Metadaten vom Juni 2026. Das Repository hatte 11.461 Sterne, die letzte Änderung stammt vom 15. Juli 2026.

• Bildmerkmale ohne Beschriftung lernenDINOv3 lernt Bildrepräsentationen aus unbeschrifteten Bildern. Unternehmen mit großen Bildarchiven, aber wenigen Beschriftungen, bauen darauf Suche, Gruppierung oder Klassifikation, ohne ein teures Annotationsprojekt.
• Dichte Aufgaben wie Segmentierung unterstützenDie dichten Merkmale funktionieren mit einfachen linearen Köpfen für Segmentierung und Tiefenschätzung, wie die veröffentlichten Rezepte zeigen. Teams für Qualitätsprüfung oder Kartierung starten mit starken Merkmalen und trainieren nur einen kleinen Kopf.
• Auf Satelliten- und Mikroskopbilder übertragenVeröffentlichte Rezepte decken Satellitenbilder und Fluoreszenzmikroskopie ab. Organisationen mit speziellen Bilddaten können den Ansatz für ihren Bereich übernehmen.

• Ohne Beschriftungen trainiert, das spart Annotationskosten beim Vortraining.
• Verfügbar in Hugging Face Transformers und timm.
• Gewichte stehen nach Zugangsanfrage unter der DINOv3-Lizenz von Meta.

Der Fachartikel ist frei auf arXiv abrufbar, der zugehörige Code läuft auf eigener Hardware in jedem Land.

Der Zugang zu den Gewichten setzt die Annahme der DINOv3-Lizenz von Meta voraus. Lassen Sie die Bedingungen vor kommerzieller Nutzung juristisch prüfen. Die Modelle liefern Merkmale. Sie brauchen weiterhin einen Aufgabenkopf und Tests mit eigenen Bildern, große Modelle brauchen GPUs.

Noch keine Bewertung. Erzählen Sie als Erste:r, wie Ihr Team es nutzt.

Jede Bewertung zeigt ihre Prüfstufe. Wir lesen jede vor der Veröffentlichung. So prüfen wir Bewertungen