算计机视觉时代在果真寰球的诓骗场景绝顶平常。可是，以前主流的小模子决议，难以搪塞碎屑化、多变的长尾需求开云体育，遏抑了时代落地规模。

源自当然言语辩论的Transformer架构出死后，视觉模子与之谄媚，走上一条“从小变大，从N变1”之路。自2022年起，IDEA团队从主义检测动身，打造精确度、通用性、泛化才能兼优的DINO系列视觉大模子。

11月22日，IDEA大会在深举办，在本次大会上，IDEA辩论院发布了该系列最新的DINO-X通用视觉大模子，领有着实的物体级别合并才能，完了灵通寰球（Open-world）主义检测。无需用户领导，平直检测万物。

与此同期，IDEA团队还推出行业平台架构，通过一个大模子基座，谄媚通用识别时代谄媚，让模子不需再行历练，就可边用边学，撑执多种千般的B端诓骗需求。

万物识别：不消指令，罕物尽览

全面检测：DINO-X在物体检测规模设立新标杆，无需任何领导，即可识别险些统统物体，并给出其类别，包括生分的长尾物体（出现频率低但种类粘稠的物体）。

在零样本评估设立中，DINO-XPro在业界公认的LVIS-minival数据集上取得了59.7%的AP，遥遥率先于其它现有算法。在LVIS-val数据集上，DINO-X Pro也推崇亮眼，取得了52.4%的AP。具体到LVIS-minival数据集上的各个长尾类别评估中，DINO-X Pro在珍稀类别上取得了63.3%的AP（比Grounding DINO 1.5 Pro还要跨越7.2%），在常见类别上取得了61.7%的AP，在继续类别上取得了57.5%的AP。DINO-X称得上现在业界检测最全的通用视觉模子。

泛化和通用性：收成于卓越1亿高质地样本的大规模数据集千般化历练，DINO-X对未知场景和新物体具有更强的安妥性。这意味着在濒临未见过的物体或环境时，模子仍能保执高水平的检测性能。这种超强的泛化才能，使其在本质诓骗中愈加机动。

多任务感知与合并：DINO-X整合了多个感知头，支执包括分割、姿态推断、区域姿色和基于区域的问答在内的多种区域级别任务，让感知到合并逐步成为了现实。

长尾主义检测优化：为了支执长尾主义的检测任务，DINO-X不仅支执文本领导和视觉领导，还支执历程视觉领导优化的自界说领导。

灵通寰球：奇迹丰富场景，迈向具身智能

DINO-X的万物识别才能，让其领有了对灵通寰球（Open World）的视觉感知，冒失搪塞果真寰球中的广宽不细目性和灵通环境，赋能具身智能、大规模多模态数据的自动标注、视障东谈主士奇迹等高难度场景。

对具身智能而言，开荒环境感知和合并是中枢才能，这其中的视觉感知更是机器和物理寰球交互的基础。近期，聚焦东谈主居环境具身智能中枢时代攻关的福田实验室讲求挂牌，该实验室讲求由IDEA辩论院与腾讯协作组建，戮力于打造最前沿的具身智能翻新平台。

多模态模子平日需要处理多量的图片并生成图文对，而仅依靠东谈主工标注的花式不仅耗时、老本高，何况在濒临海量数据时难以保险标注的一致性和成果。DINO-X的万物识别才能，不错匡助标注公司快速完成大齐量的高质地图像标注或者为标注员提供自动化的援救收尾，从而裁汰手工标注的职责量。

视障东谈主士孤独性和生涯质地的进步对信息得到与感知等方面有着极高的条件，DINO-X的万物识别才能恰逢那时地为助盲用具开荒带来福音，为视障东谈主士的畴昔生涯带来好意思好但愿。

在自动驾驶、智能安防、工业检测等规模，DINO-X也将阐扬重要作用。其超卓的通用检测才能，使得系统好像搪塞千般复杂场景，识别出传统模子难以检测的物体，为产业升级和社会发展注入新的活力。

Dino-X基座大模子零样本检测才能，为雄伟中小企业客户提供方便高效的计数和标注用具

IDEA辩论院一系列视觉大模子，包括DINO-X，为贬责业务场景现有的小模子粘稠、珍贵迭代老本崇高、准确率不及等问题，提供了可行的决议。IDEA辩论院与多家企业聚会开展视觉大模子及诓骗场景的探索辩论职责，在视觉大模子的落场所面取得了骨子性进展。

IDEA辩论院通用视觉大模子行业平台架构

从DINO到DINO-X，IDEA辩论院经久站在视觉感知时代的前沿。通过对灵通寰球的探索和对具身智能的赋能，DINO-X的超卓性能和通用检测才能愈加突显。雷峰网雷峰网

值得一提的是，IDEA辩论院也灵通了DINO-XAPI：

https://user.deepdataspace.com/login?redirect=https://cloud.deepdataspace.com/apply-token

关系DINO-X 的时代细节，请参考同期发布的论文。

► 论文一语气：https://arxiv.org/abs/2411.14347