¿Qué son DINO y DINO-v2?

DINO (Destilación sin etiquetas) y DINO-v2 son métodos de autoaprendizaje en el campo de la visión por computadora, basados en transformadores y redes neuronales convolucionales.

DINO es un enfoque en el que el modelo aprende a extraer representaciones útiles de las imágenes sin usar datos anotados. La idea principal es usar dos redes neuronales (estudiante y maestro), donde el maestro se actualiza mediante un promedio móvil exponencial de los parámetros del estudiante. El modelo aprende a emparejar diferentes aumentos de la misma imagen, lo que le permite formar características estables e informativas.

DINO-v2 es una versión mejorada de DINO, que amplía las capacidades y la calidad de extracción de características. Utiliza arquitecturas y optimizaciones más potentes, logrando mejores resultados en tareas de clasificación, segmentación y búsqueda de imágenes similares.

Ambos métodos se utilizan ampliamente para preentrenar modelos, que luego pueden ser ajustados para tareas específicas con menos datos anotados.