Meta宣布推出新一代自我监督式学习（Self-supervised Learning，SSL）视觉模型DINOv3，将训练规模扩展至17亿张影像，模型参数达到70亿，在多项电脑视觉基準测试中，尤其是语义分割、单一影像深度估测及影片追蹤等密集预测任务上，表现超越前代与多个现有方案，并正式释出商用授权的程序码与预训练骨干模型，降低开发者在多领域应用上的採用门槛。

DINOv3延续DINO系列在自监督影像表徵学习的核心理念，不依赖人工标注资料，而是透过大规模未标注影像进行训练，产生高解析度的影像特徵，让后续的下游任务只需极少标注与轻量微调模组（Lightweight Adapter），即可取得良好的结果。

相较于前一代DINOv2，DINOv3的模型规模扩大为7倍，资料集规模增加12倍，并在不进行骨干（Backbone）权重微调的情况下，即能支援多种任务，降低了开发与模型推论的成本，特别适用于边缘运算与同时多任务的部署情境。

在官方公开的评测中，DINOv3在ADE-20K语义分割取得55.9分，优于DINOv2的49.5与SigLIP 2的42.7，而在NYU深度估测中误差下降至0.309，低于DINOv2的0.372与SigLIP 2的0.494。DAVIS影片追蹤达到83.3，大幅领先其他模型。此外，在ImageNet ReaL分类上，DINOv3以90.4分与SigLIP 2持平，ObjectNet分类虽略低于PE（Perception Encoder），但在iNaturalist 2021精细分类则以89.8分领先。

DINOv3的应用範围不限于一般网路影像，也能延伸至卫星、医疗与工业影像等标注困难或成本高昂的领域。Meta同步提供一个以MAXAR卫星影像训练的专用骨干，并在环境监测领域已有落地案例。世界资源研究所（WRI）使用DINOv3进行林冠高度估计，平均误差由4.1公尺降至1.2公尺，有助于自动化验证森林复育成效，加快气候融资拨付流程，并支持大规模的保育与复育计画。

Meta此次释出多种规模的DINOv3骨干，包括适用于资源受限环境的ConvNeXt版本，并附上部分下游评估模型与範例Notebook，方便开发者在不同任务整合使用。Meta提供DINOv3商用授权，研究单位与企业可在合法框架下将DINOv3整合进产品与服务，加速在医疗诊断、环境监控、自主系统及零售等多个产业的应用落地。