DINOv3 ViT-B/16
PulseAugur coverage of DINOv3 ViT-B/16 — every cluster mentioning DINOv3 ViT-B/16 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Kyutai 发布 CADRE 视频自编码器，用于更快的交互式世界模型
Kyutai 推出了 CADRE，一套旨在降低交互式世界模型延迟的新型视频自编码器。这些自编码器通过更有效地处理视频帧来改进现有模型，在单个 NVIDIA H100 GPU 上实现了低于 230 毫秒的响应时间。CADRE 在图像和运动质量基准测试中表现强劲，在 Fréchet Video Distance (FVD) 和 Action Following Rate (ARR) 等指标上优于其他几个模型，尽管在机器人操作等特定场景中存在局限性。
-
新框架揭示细胞绘画编码器评估中存在的系统性差异
研究人员开发了一个名为 CP-BG-Bench 的新框架，用于评估细胞绘画分析中使用的视觉编码器。该框架采用配对视图方法，固定中心细胞，同时在四个匹配的视图中操纵周围像素。通过在各种协议下将此方法应用于三个数据集和三个编码器，研究发现不同的评估指标会系统性地产生不同的编码器排名。这些分歧可归因于细胞与背景、形态与上下文、以及研究内与跨批次比较等因素，凸显了编码器评估对所选协议和实验设计的敏感性。
-
冻结基础模型嵌入实现标签高效水下图像分类
研究人员展示了一种使用冻结基础模型嵌入进行标签高效水下图像分类的方法。通过采用 DINOv3 ViT-B/16 嵌入，并仅在 AQUA20 基准测试上训练逻辑回归分类器，他们以显著降低的标注成本实现了具有竞争力的性能。即使每类只有 13 张标注图像，该方法也达到了 81.8% 的平均宏 F1 分数，接近使用整个训练集的完全监督方法的性能。