实验室小鼠的年龄可以从一张普通照片中读出，但读出的主要是相对年龄而非绝对年龄。研究汇集七个设施、1292只小鼠的2846张照片，用未经小鼠数据训练的DINOv2视觉特征加岭回归预测年龄；在未见过的设施上绝对误差中位数达138天，而同一场次内配对比较时较老个体被排得更老的比率为65%，年龄差超过500天时升至95%以上。预测年龄高于实际年龄的小鼠更虚弱，每100天照片年龄差对应虚弱度增加0.12个标准差、死亡风险升高14%。
细胞形态图谱过去依赖细胞分割和人工特征，标注稀缺又难跨实验室复用。研究者在JUMP–CP的119,876个无标注化合物、约177万张图像上预训练四类自监督模型，冻结权重后直接提取图像嵌入。在EU-OPENSCREEN Bioactives的2,464个化合物上，DINO与DINOv2在作用机制检索的位点平均mAP上比CellProfiler高31–37%，并全面优于掩码类模型。
图像压缩、复原和生成都需要衡量两张图在人眼里差多少，而现有最准的感知距离多依赖人类评分拟合，换分辨率就会失准。JLD把冻结视觉编码器输出对早期特征的雅可比做成一个固定度量张量，只用100张无标注图像拟合一次、约35秒，不接触任何人类判断。在TID2013、CSIQ、LIVE、KADID-10k四个图像库上平均斯皮尔曼相关达0.926，高于VSI的0.915与DISTS的0.900；TID2013分辨率从256翻到512像素时，其透镜项相关仅从0.850降到0.845，而DISTS从0.815降到0.717。
DisParQ 提出一种无需类别标签和语言监督的方法，从冻结的纯视觉自监督骨干网络中学习空间定位的离散概念表示：每个图像块被分配给可学习原型字典中的唯一概念，每张图仅稀疏激活少量概念，并用连续残差量化出的离散属性刻画概念变化，空间解码器仅凭概念与属性重建骨干表示；在七个数据集上，其在 ImageNet 线性探测中达到 83.2% top-1，接近冻结的 DINOv2 教师，概念一致性高于语言对齐模型，细粒度识别保持竞争力，并支持跨类别部件检索。
该工作提出 RIM（Retrieval-In-Matching）框架，通过从 Google 3D Tiles 渲染多位置、多高度、多朝向的无人机视角参考影像，并用姿态邻近正样本与地理远距难负样本两阶段适配 SALAD 检索器、再以局部几何一致性重排 Top-K 候选，同时冻结适配后的 DINOv2-B 检索器、从其 token 场与浅层 VGG19 细节流蒸馏出局部描述子解码器，使单次查询侧 DINOv2-B 前向同时支撑 SALAD 检索与局部描述；在重建的 EPFL Urbanscape 与自采集 Chang'an Park 两个与训练数据地理不相交的数据集上零样本评测，RIM 优于十个检索基线，在 25/50 m 全 3D 距离度量下 Recall@
已读完全部报道