JEM自监督算法提出，7B参数超越DINOv3

研究者提出一种名为 JEM 的自监督学习算法，采用学生-教师框架，通过对齐不同视角下对应的 patch 表示来学习，并显式加入信息保持与结构保持损失作为正则。该方法可在 300M 至 7B 参数规模下稳定训练，据称是首个在 7B 规模验证的隐空间 patch 级方法。 在分割基准上，JEM 持续超过 DINOv2；在 7B 参数时，其全景分割表现超过 DINOv3，且训练数据量少 12 倍，无需精调阶段。上述结果来自提出者发布的论文。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。