Характеристики

Лицензия: Apache 2.0
Базовая модель: Depth-Anything-V2-Metric-Hypersim-Small
Опубликована: 6 окт 2026

Ссылки

depth2depth-vits-hypersim

Оценка глубиныИзображение → depth_map

Модель Depth Anything V2 Small оценивает метрическую глубину объектов и поверхностей на изображениях помещений на расстоянии до 20 м.

0скачиваний за 30 дней0лайковвеса обновлены7 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CodeChefJeff опубликовал файлы модели Depth Anything V2 Small для оценки метрической глубины изображений в помещениях. Модель основана на Depth Anything V2 Metric Hypersim Small и предназначена для оценки расстояния до видимых поверхностей на изображениях с максимальной глубиной 20 м.

Репозиторий содержит веса энкодера DINOv2 ViT-S/14 и головы DPT в формате safetensors, экспорт ONNX с поддержкой размеров изображения, кратных 14, а также готовые движки TensorRT fp16 для отдельных версий TensorRT и GPU. Для остальных совместимых конфигураций движок можно собрать из ONNX средствами crate depth2depth. Веса распространяются по лицензии Apache-2.0.

Сценарии применения

оценка расстояния до объектов на изображении помещения
построение карты глубины для комнатных сцен
измерение глубины по кадрам с камеры
добавление оценки глубины в приложение на базе depth2depth

Ограничения

Модель рассчитана на внутренние сцены и максимальную глубину 20 м. Готовые движки TensorRT совместимы только с указанными версиями TensorRT, GPU и размером входа; для других конфигураций требуется сборка из ONNX.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

depth2depth model files

The model files the depth2depth crate builds into itself. They are Depth Anything V2 Small, metric, Hypersim (indoor, max depth 20 m), converted from the official depth_anything_v2_metric_hypersim_vits.pth:

dinov2_vits14.safetensors, da2_head_vits.safetensors: the encoder and the DPT head, for candle (converted by tools/convert_weights.py; includes the unused ImageNet classifier head candle's dinov2 loads).
da2_metric_hypersim_vits.onnx: an ONNX export taking any input size that is a multiple of 14, for TensorRT (made by the crate's tools/export_onnx.py). da2_metric_hypersim_vits_364x448.onnx is the older fixed-size one.
Prebuilt fp16 TensorRT engines for a 448x560 input (dimos's default), so these GPUs skip the minutes-long engine build: ..._448x560_trt100700_sm87.engine (TensorRT 10.7, Jetson AGX Orin, JetPack 6 / L4T R36.3) and ..._448x560_trt101601_sm120.engine (TensorRT 10.16, RTX 50-series). Other TensorRT versions, GPUs or sizes reject them and the crate builds its own from the ONNX. (..._364x448_trt100700_sm87.engine is an older fixed-size one.)

The crate pins these files by sha256 in its model.json. Weights are Apache-2.0, as the upstream Small model.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: c7f42ff