#DINOv2

MIT提出reViT，用单Transformer块实现多深度视觉编码，参数减少70%精度不降。

论文教你怎么用解码器雅可比给 ViT 特征空间算真正的任务几何，剪掉一半 token 还能让深度误差少涨 25%，做高效推理的可以看看。

这篇论文用同一个惊喜信号同时解决了持续学习的灾难性遗忘和VLM的元认知问题，效果很漂亮，值得做记忆或VLM的朋友看看。

这篇论文提出了新方法 OTF，能在有干扰的场景下解耦动作源。OFT-LAM 和 OFT-LAM-Dino 两种变体在零样本迁移和复杂环境下表现不错，适合做多物体交互推理的研究者看看。