国家外观设计专利检索公共服务系统 图搜还挺准的，他们用的是什么模型来实现的？

类似的需求，我们用 dinov2-with-registers-giant ，取 CLS Tocken 。自动识别图片主体，效果比阿里云的图像搜索还好。

https://huggingface.co/facebook/dinov2-with-registers-giant

不过这个模型有个硬伤，很耗 GPU 。即使把输入的图片压缩成 224x224 ，生成向量仍需要 250ms 左右。

@fox0001 大佬求教，最近我也在做这个方向但是效果不是很好，除了 dino 提取特征后进行相似度比较外，还有其他优化的方向吗

@Suinn #2 图像方面，我也只是入门玩家。

一般的做法是，先从搜索图片提取“主体”，再用该“主体”去搜数据库。至于使用什么模型提取“主体”，可以试试 SAM3 ，但是该模型需要提示词或提示框。要注意，如果“主体”识别错误，结果也是错的。

DINOv3 也发布一段时间了，效果比 dinov2-with-registers 系列要好，可以试试。DINOv3 可以支持更高分辨率，但宽和高要取 16 的倍数。

另外，使用 DINOv3 做“微调”，也是一个方向。

@fox0001 感谢，DINOv3 我前段时间也试过了，可能是我的场景类内相似度有点高，所以准确率不是特别好，我再研究研究