تقدم Meta DINOv3: نموذج رؤية متقدم ذاتي الإشراف للتحليل البصري عالي الدقة وقابل للتطوير

قسم الأبحاث في شركة التكنولوجيا ميتا، التي تعمل على تطوير تقنيات الذكاء الاصطناعي والواقع المعزز، ميتا AI قدّمت DINOv3، وهو نموذج رؤية حاسوبية عامّ متطور مُدرّب باستخدام التعلّم الذاتي الإشراف (SSL) لتوليد سمات بصرية عالية الجودة. ولأول مرة، يتفوق هيكل رؤية مجمد واحد على النماذج المتخصصة في مهام تنبؤ كثيفة متعددة، بما في ذلك كشف الأجسام والتجزئة الدلالية.

يحقق DINOv3 هذا الأداء من خلال أساليب SSL متقدمة تُلغي الحاجة إلى بيانات مُصنّفة، مما يُقلل من وقت التدريب ومتطلبات الموارد، مع تمكين النموذج من التوسع ليشمل 1.7 مليار صورة و7 مليارات مُعامل. هذا النهج الخالي من التسميات يجعل النموذج مناسبًا للتطبيقات التي تكون فيها التعليقات التوضيحية محدودة أو مُكلفة أو غير متوفرة. على سبيل المثال، أظهرت هياكل DINOv3 الأساسية المُدرّبة مُسبقًا على صور الأقمار الصناعية نتائج ممتازة في المهام اللاحقة، مثل تقدير ارتفاع مظلة الأشجار.

ومن المتوقع أن يعزز النموذج التطبيقات الحالية ويمكّن تطبيقات جديدة في قطاعات مثل الرعاية الصحية، ومراقبة البيئة، والمركبات ذاتية القيادة، وتجارة التجزئة، والتصنيع، مما يوفر دقة وكفاءة محسنة في الفهم البصري على نطاق واسع.

يُصدر DINOv3 مع مجموعة كاملة من الهياكل الأساسية مفتوحة المصدر بموجب ترخيص تجاري، بما في ذلك هيكل أساسي مُركّز على الأقمار الصناعية مُدرّب على صور MAXAR. كما تتم مشاركة مجموعة فرعية من رؤوس التقييم اللاحقة لتمكين الباحثين من إعادة إنتاج النتائج وتوسيع نطاقها. تُوفّر دفاتر ملاحظات نموذجية ووثائق مُفصّلة لمساعدة المجتمع على بدء العمل مع DINOv3 فورًا.

DINOv3: إطلاق العنان للتطبيقات عالية التأثير من خلال التعلم الذاتي الإشراف

وفقًا ميتا AI يُمثل DINOv3 تقدمًا ملحوظًا في مجال التعلم الذاتي الإشراف (SSL)، إذ يُظهر لأول مرة أن نماذج SSL قادرة على تجاوز أداء النماذج ضعيفة الإشراف في مجموعة واسعة من المهام. في حين حققت إصدارات DINO السابقة نتائج قوية في مهام التنبؤ الكثيفة، مثل التجزئة وتقدير العمق أحادي العين، فإن DINOv3 يعتمد على هذا الأساس ويحقق مستويات أداء أعلى.

يُطوّر DINOv3 خوارزمية DINO الأصلية من خلال الاستغناء عن إدخال البيانات الوصفية، واستخدام حوسبة تدريبية أقل من الطرق السابقة، مع الاستمرار في إنتاج نماذج أساسية عالية الأداء للرؤية. تُمكّن التحسينات في DINOv3 من الحصول على نتائج متطورة في المهام اللاحقة، مثل اكتشاف الكائنات، حتى مع ثبات أوزان النماذج، مما يُلغي الحاجة إلى الضبط الدقيق لكل مهمة، ويسمح بتطبيق أكثر تنوعًا وكفاءة.

لأن منهجية DINO غير مرتبطة بنوع معين من الصور، يُمكن تطبيقها في مجالات متنوعة حيث يكون وضع العلامات مكلفًا أو غير عملي. وقد استفادت الإصدارات السابقة، مثل DINOv2، من كميات كبيرة من البيانات غير المُعَلَّمة في التطبيقات الطبية، بما في ذلك علم الأنسجة والتنظير الداخلي والتصوير. أما بالنسبة للصور الملتقطة عبر الأقمار الصناعية والصور الجوية، حيث يجعل حجم البيانات وتعقيدها وضع العلامات يدويًا أمرًا غير ممكن، تتيح DINOv3 تدريب نموذج أساسي واحد قابل للتطبيق عبر مصادر متعددة للأقمار الصناعية، مما يدعم حالات استخدام أوسع في رصد البيئة والتخطيط الحضري والاستجابة للكوارث.

يُظهر نموذج DINOv3 بالفعل تأثيرًا عمليًا. يستخدم معهد الموارد العالمية (WRI) هذا النموذج لرصد إزالة الغابات وتوجيه جهود الاستعادة، مما يُمكّن المجموعات المحلية من حماية النظم البيئية بشكل أفضل. من خلال تحليل صور الأقمار الصناعية للكشف عن فقدان الأشجار وتغيرات استخدام الأراضي، يُحسّن DINOv3 دقة التحقق من تمويل المناخ، مما يُقلل تكاليف المعاملات ويُسرّع تمويل المشاريع المحلية الصغيرة. في إحدى الحالات، أدى استخدام DINOv3 المُدرّب على صور الأقمار الصناعية والصور الجوية إلى تقليل متوسط الخطأ في قياس ارتفاع غطاء الأشجار في إحدى مناطق كينيا من 4.1 متر إلى 1.2 متر، مما يُمكّن معهد الموارد العالمية من توسيع نطاق الدعم المُقدّم لآلاف المزارعين ومبادرات الحفاظ على البيئة بشكل أكثر فعالية.