Meta 将视觉模型 DINOv2 改为 Apache 2.0 许可允许商用，并推出公平性基准 FACET

DINOv2 是 Meta 开源的自监督计算机视觉大模型，能从海量图片中提取通用的视觉表征，现在它正式改用宽松的 Apache 2.0 许可证，允许开发者免费商用。

这意味着你终于可以把它直接打包进商业软件、工业视觉检测设备或者商业 SaaS 产品中，不再受此前研究用许可证的法律束缚。

它能做什么与怎么用

DINOv2 的核心价值在于特征提取能力极强。它通过纯自监督学习训练而成，不需要人工标注文本或分类标签，就能理解图像的深度、结构和语义。

这次随着许可证切换，Meta 同步放出了基于 DINOv2 的一系列密集预测扩展模型，主要覆盖两个下游任务：语义图像分割和单目深度估计。

开发者可以直接调用这些现成模型，用单张普通 2D 图像推断出像素级的景深信息，或者把画面中的物体细致地分割出来，省去了自己从头训练下游适配层的麻烦。

Meta 还上线了一个更新版的在线演示页面，支持用户上传图像测试特征匹配和分割效果，直观复现论文中的定性匹配结果。

评估视觉偏见的 FACET 基准

和 DINOv2 商用化同步推出的，还有一个名为 FACET 的视觉公平性评估基准，专门用来测试计算机视觉模型在不同人群特征下的表现偏差。

FACET 数据集包含 3.2 万张图像，涵盖了 5 万个人物样本。每一张图像都由专业人工标注员进行了细粒度标注，包括感知的性别表征、年龄段、肤色、发型以及配饰。

此外，数据集还标注了医生、篮球运动员、吉他手等具体职业和活动类别，并包含了基于 SA-1B 的 6.9 万个人物、头发和服装掩码。

Meta 团队在初步测试中发现，现有的前沿视觉模型在面对较深肤色的人群时，识别和检测准确度往往更低；如果人物留着卷发而非直发，检测难度还会进一步上升。

需要注意的是，FACET 明确仅供研究和公平性评估使用，Meta 禁止将其数据用于训练模型。官方同步开放了一个数据集浏览器供研究人员探查数据分布。

为什么重要

对视觉领域的工程师和初创团队来说，DINOv2 换成 Apache 2.0 是一个巨大的利好。此前很多人虽然认可 DINOv2 在特征提取和无监督聚类上的优秀表现，但因为协议限制只能停留在实验阶段，现在终于可以直接集成到实际生产管线里。

我们认为，Meta 这一步走得很务实。在多模态语言模型抢占风头的当下，纯视觉基础模型的商用门槛被进一步拉平，单目深度估计等能力的开箱即用，会极大降低工业检测、3D 重建和图像编辑工具的开发成本；而 FACET 的发布，也给业界日后上线商业视觉系统提供了一套现成的合规体检工具。