WebSSL（Web-scale Self-Supervised Learning）是Meta、纽约大学等机构推出的视觉自监督学习（SSL）系列模型，基于大规模网络数据（如数十亿图像）训练视觉模型，无需语言监督学习。WebSSL包括多个模型变体，如Web-DINO和Web-MAE，参数规模从3亿到70亿不等。模型在多模态任务（如视觉问答VQA、OCR和图表理解）中表现出色，甚至超越依赖语言监督的模型（如CLIP）。WebSSL的核心优势在于对大规模数据的使用能力及对数据分布的敏感性，基于筛选包含更多文本的图像数据，显著提升OCR和图表理解能力。

WebSSL – Meta联合纽约大学等机构推出的视觉自监督学习系列模型 第1张
（图片来源网络，侵删）
WebSSL – Meta联合纽约大学等机构推出的视觉自监督学习系列模型 第2张
（图片来源网络，侵删）