AnyThermal 是一个任务无关的热成像特征提取 backbone，面向多环境和机器人感知任务，目标是在不针对具体任务微调的情况下提供可迁移的热图像表示。它以 DINOv2 ViT-B/14 为基础，规模 86.6M 参数，输入为转换成 3 通道的热图像，输出每个 patch 及 CLS token 的 768 维特征。

训练采用 RGB DINOv2 冻结教师与可训练热成像学生的知识蒸馏框架，学生以 RGB 权重初始化，并在 RGB-thermal 配对数据上用 CLS token 特征的对比损失进行跨模态对齐。训练数据来自 VIVID++、STheReO、Freiburg、TartanRGBT 和 Boson Nighttime Dataset，覆盖城市、航拍、室内和越野环境；其中 TartanRGBT 使用硬件同步的 RGB-Thermal 双目采集平台。

模型已在热查询到 RGB 数据库的跨模态地点识别、热语义分割、单目热成像深度估计三个任务上进行基准测试，backbone 权重未做任务特定微调。限制包括需要 3 通道热图像输入，以及在训练数据代表性不足的环境中性能可能变化；许可证为 BSD-3-Clause-Clear License。