容易混淆的 DINO:自监督 DINO/DINOv2、检测 DINO 与 Grounding DINO
从训练信号、架构与输出区分同名 DINO,理解 DINOv2 的自蒸馏、iBOT、骨干能力,以及它与 CLIP 和检测 DINO 的关系。
#计算机视觉#DINOv2#DINO#DETR#自监督学习#目标检测#CLIP
写作与记录
博客以介绍为主,不求甚解:先认识一个概念、方法或工具,建立大致的理解。
博客目录 →从训练信号、架构与输出区分同名 DINO,理解 DINOv2 的自蒸馏、iBOT、骨干能力,以及它与 CLIP 和检测 DINO 的关系。
分清生成目标、像素与潜空间、U-Net 与 Transformer,系统理解 GAN、扩散模型、LDM、Stable Diffusion、DiT 与流匹配生成架构,并看清流匹配当前在图像、视频、音频、3D 和机器人上的落地位置。
从集合预测、稀疏注意力、动态锚框和去噪训练,到高精度 DINO 与实时 RT-DETR,梳理 DETR 系列的演进、指标边界与部署选择。
从有损与无损、透明与动画、像素与矢量出发,理解八类常见图片格式的用途,并掌握网页配图、格式转换和压缩的实际方法。
沿着 URL、DNS、TCP/QUIC、TLS、HTTP 与浏览器渲染梳理网页加载,并解释 CDN、流式下载、Range 断点续传和分层故障排查。