Meta presenta DINOv3: un modelo de visión autosupervisado avanzado para un análisis visual escalable y de alta precisión.

División de investigación de la empresa tecnológica Meta, que desarrolla tecnologías de IA y realidad aumentada, Meta IA ha presentado DINOv3, un modelo de visión artificial generalista de vanguardia, entrenado mediante aprendizaje autosupervisado (SSL) para generar características visuales de alta calidad. Por primera vez, una única estructura de visión congelada supera a los modelos especializados en múltiples tareas de predicción densa establecidas, como la detección de objetos y la segmentación semántica.

DINOv3 logra este rendimiento mediante métodos SSL avanzados que eliminan la necesidad de datos etiquetados, lo que reduce el tiempo de entrenamiento y los recursos necesarios, a la vez que permite que el modelo escale a 1.7 millones de imágenes y 7 millones de parámetros. Este enfoque sin etiquetas lo hace adecuado para aplicaciones donde las anotaciones son limitadas, costosas o inaccesibles. Por ejemplo, las redes troncales de DINOv3 preentrenadas con imágenes satelitales han demostrado excelentes resultados en tareas posteriores, como la estimación de la altura del dosel.

Se espera que el modelo mejore las aplicaciones actuales y habilite otras nuevas en sectores como la atención médica, el monitoreo ambiental, los vehículos autónomos, el comercio minorista y la fabricación, ofreciendo una mayor precisión y eficiencia en la comprensión visual a gran escala.

DINOv3 se lanza con un conjunto completo de redes troncales de código abierto bajo licencia comercial, incluyendo una red troncal satelital entrenada con imágenes MAXAR. También se comparte un subconjunto de cabezales de evaluación posteriores para que los investigadores puedan reproducir y ampliar los resultados. Se proporcionan cuadernos de muestra y documentación detallada para que la comunidad pueda empezar a trabajar con DINOv3 de inmediato.

DINOv3: Desbloqueo de aplicaciones de alto impacto mediante el aprendizaje autosupervisado

Según Meta IA DINOv3 representa un avance notable en el aprendizaje autosupervisado (SSL), demostrando por primera vez que los modelos SSL pueden superar el rendimiento de los modelos con supervisión débil en un amplio conjunto de tareas. Si bien las versiones anteriores de DINO obtuvieron buenos resultados en tareas de predicción densa como la segmentación y la estimación de profundidad monocular, DINOv3 se basa en esta base y alcanza niveles de rendimiento aún mayores.

DINOv3 mejora el algoritmo DINO original al eliminar la necesidad de introducir metadatos, utilizando menos recursos de entrenamiento que los enfoques anteriores, a la vez que genera modelos de visión de alto rendimiento. Las mejoras en DINOv3 permiten obtener resultados de vanguardia en tareas posteriores, como la detección de objetos, incluso cuando los pesos del modelo permanecen congelados, eliminando así la necesidad de ajustes específicos para cada tarea y permitiendo una aplicación más versátil y eficiente.

Dado que la metodología DINO no está vinculada a ningún tipo de imagen en particular, puede aplicarse en diversos ámbitos donde el etiquetado resulta costoso o poco práctico. Versiones anteriores, como DINOv2, han aprovechado grandes cantidades de datos sin etiquetar para aplicaciones médicas, como histología, endoscopia e imágenes. Para imágenes satelitales y aéreas, donde el volumen y la complejidad de los datos hacen inviable el etiquetado manual, DINOv3 permite entrenar un único modelo troncal aplicable a múltiples fuentes satelitales, lo que facilita casos de uso más amplios en monitoreo ambiental, planificación urbana y respuesta ante desastres.

DINOv3 ya está demostrando su impacto práctico. El Instituto de Recursos Mundiales (WRI) emplea el modelo para monitorear la deforestación y orientar las iniciativas de restauración, lo que permite a los grupos locales proteger mejor los ecosistemas. Al analizar imágenes satelitales para detectar la pérdida de árboles y los cambios en el uso del suelo, DINOv3 mejora la precisión de la verificación de la financiación climática, reduciendo los costos de transacción y acelerando la financiación de pequeños proyectos locales. En un caso, el uso de DINOv3, entrenado con imágenes satelitales y aéreas, redujo el error promedio en la medición de la altura de la copa de los árboles en una región de Kenia de 4.1 metros a 1.2 metros, lo que permitió al WRI ampliar el apoyo a miles de agricultores e iniciativas de conservación de forma más eficaz.