بعد تدريبها على صور عادية، بدأ نموذج DINOv3 فجأة برؤية الوجوه كطيف: بنفسها، دون أي إرشاد، تقوم بتحديد مناطق العينين والأنف والفم.

في 200 مقطع فيديو، بلغت دقة تحديد الملامح 83% (بينما التخمين العشوائي 23%). عند تتبع الشفاه والحواجب، وصلت إلى 95.5%. لكن الانفصال 'الطيفي' الأكثر وضوحاً لا يكون في الطبقة النهائية، بل في الطبقة 18 من أصل 24: هناك تكون الفروق مضاعفة خمس مرات، ثم تتلاشى عند الخروج.

بالمقارنة مع نموذج CLIP الذي يلتقط الصورة الظلية العامة، يتفوق DINOv3 بـ 16.8 نقطة مئوية في تمييز الملامح الدقيقة. الهندسة المعمارية، الشبيهة بـ أنظمة الرؤية القياسية، أنتجت في أعماقها خريطة وجه - مطياف حقيقي للملامح. المؤشرات الثابتة من منتصف الشبكة - أداة جاهزة لفك رموز تعابير الوجه دون أي تدريب.