%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Metaは近日、ラベル付きデータを必要としない汎用的な画像処理AIモデルであるDINOv3を発表しました。このモデルは17億枚の画像をもとに自己監督学習で訓練され、70億のパラメータを構築しており、あらゆる画像タスクや分野に対応し、ほとんど調整を必要としません。
この特徴により、DINOv3はラベル付きデータが限られている専門分野、例えば衛星画像処理において特に重要な応用価値を持っています。Metaによると、DINOv3は過去に専門システムが必要だった困難なベンチマークテストでも優れた性能を発揮し、前のバージョンであるDINOv2よりも性能が向上していますが、v1からv2へのアップグレードほど顕著な改善ではありません。
この技術の普及と応用を推進するため、MetaはGitHub上で複数のプリトレーニングモデルのバリエーション、アダプター、およびトレーニングと評価のコードを公開しています。これらのリソースはすべてDINOv3ライセンス URL：https://github.com/facebookresearch/dinov3
Metaは最近、最新のAI画像処理モデルであるDINOv3を発表しました。このモデルは自己教師あり学習に基づいており、17億枚の画像で訓練され、70億のパラメータを持っています。これにより、ラベルデータに依存することなく、さまざまな画像タスクや分野の処理が可能です。このため、データが限られている分野、特に衛星画像分析において大きな潜在能力を示しています。DINOv3は異なる画像処理ニーズに対応するように設計されており、ユーザーは特定のタスクに適用するためにわずかな調整を行うだけで済みます。
ヨーロッパの著名なAIスタートアップ企業Multiverse Computingは最近、非常に微小な2つのAIモデルを発表しました。そのサイズは鶏の脳やミツバチの脳のように命名されるほど小さなものです。この会社は、世界最小ながらも高性能を維持しているモデルだと主張しており、チャット処理や音声認識に対応し、そのうち一つは推論能力も備えています。これらの超小型モデルはIoTデバイス用に設計されており、スマートフォン、タブレット、およびPCでもローカルで動作可能です。創業者のロマン・オルース氏はTechCrunchに対して「私たちは」
