DINOv3 ViT-S/16 是基于自监督学习框架 DINOv3 的轻量级视觉 Transformer 模型，采用 ViT-Small 架构和 16×16 patch 划分策略。DINOv3 通过改进的自蒸馏机制（self-distillation with no labels），在无需人工标注的情况下对大规模图像数据进行预训练，从而学习到具有丰富语义和判别性的视觉表征。

作为小型版本，ViT-S/16 在参数规模和计算复杂度上更为轻量，适合在资源有限的场景中部署，同时依然保持较强的迁移性能。在下游任务如图像分类、目标检测、语义分割和图像检索中，DINOv3 ViT-S/16 能够提供高质量的特征表示，并在多种基准上展现出优于传统监督学习模型的表现。

该模型尤其适用于科研探索、轻量级视觉应用以及需要高效表征学习的场景。凭借其开放预训练特性，研究者和开发者可以快速将其集成到不同的计算机视觉任务中，实现从轻量到高效的平衡。

源模型

• 输入尺寸: [1,3,224,224]
• 参数量: 20.59M
• 模型大小: 82.61M
• 输出尺寸: [[1,201,384],[1,384]]

源模型仓库: DINOv3 ViT-S/16

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md