DINOv3权重文件下载

前言

DINOv3 是一系列多功能视觉基础模型，无需微调即可在各种设置中优于专业技术水平。DINOv3 产生高质量的密集特征，在各种视觉任务中实现出色的性能，显着超越以前的自监督和弱监督基础模型。

模型型号介绍

以下是按照 DINOv3 论文中描述的方法训练的 Vision Transformer 和 ConvNeXt 模型所提供的 12 种模型变体：

• 10 个模型在 Web 数据上预训练（LVD-1689M 数据集）
  1. 从头开始训练的ViT-7B
  2. 从 ViT-7B 中蒸馏出来的 ViT-S/S+/B/L/H+
  3. 从 ViT-7B 中提炼而来的 ConvNeXt-{T/S/B/L} 型号
• 2 个在卫星数据上预训练的模型（SAT-493M 数据集）
  1. 从头开始训练的ViT-7B
  2. 从 ViT-7B 中蒸馏出来的ViT-L

模型输入和输出

每个基于 Transformer 的模型都采用图像作为输入，并返回类令牌、补丁令牌（和注册器令牌）。这些模型遵循 ViT 架构，补丁大小为 16。对于 224x224 映像，这将产生 1 个类令牌 + 4 个寄存器令牌 + 196 个补丁令牌 = 201 个令牌（对于具有寄存器的 DINOv2，这导致 1 + 4 + 256 = 261 个令牌）。

如果图像形状是补丁大小的倍数，则模型可以接受更大的图像。如果未验证此条件，则模型将裁剪到最接近的补丁大小的较小倍数。

相关地址

• Github Repository: https://github.com/facebookresearch/dinov3

• Hugginface地址: https://huggingface.co/collections/facebook/dinov3-68924841bd6b561778e31009

• 论文地址: https://arxiv.org/pdf/2508.10104

相关的介绍可以参考 https://huggingface.co/facebook/dinov3-vit7b16-pretrain-lvd1689m

权重下载

• huggingface（目前无法使用）：目前在huggingface上下载需要获取权限（刚上线的时候还是不用的，所以还是要及时下载）
  
  
• github仓库（需申请后可正常使用）： 在页面中点击模型下载链接（见下图1），并填写相关信息即可。为提高申请成功率，建议使用美国 IP，姓名可随意填写英文，邮箱推荐使用 Gmail，地区选择美国，机构可填写 Meta AI。通常几分钟后即可收到包含下载地址的邮件，点击其中的链接即可获取权重文件。

权重下载链接

DINO权重网盘下载链接