/ Модель

Характеристики

Лицензия
MIT
Архитектура
dpt · dense
Опубликована
28 ноя 2023

dpt-beit-base-384

Оценка глубиныИзображение → depth_map3 профессии

DPT на основе BEiT оценивает глубину сцены по одному изображению и подходит для zero-shot задач монокулярного компьютерного зрения.

143скачиваний за 30 дней1лайквеса обновлены11 дек 2023

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

Intel/dpt-beit-base-384 — модель DPT (Dense Prediction Transformer) для оценки глубины по одному изображению. Она использует BEiT в качестве основы и добавляет к нему neck и head для предсказания глубины. Модель обучена на 1,4 миллиона изображений и представлена в статье Ranftl и соавторов «Vision Transformers for Dense Prediction» (2021); README опубликован командой Hugging Face.

Модель предназначена для монокулярной оценки глубины, в том числе zero-shot применения к изображению. Её можно использовать в компьютерном зрении для получения карты глубины сцены по одному кадру. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

Сценарии применения

  • оценка глубины по фотографии
  • построение карты глубины по одному кадру
  • анализ пространственной структуры сцены
  • получение глубины для прототипа приложения компьютерного зрения

Ограничения

Модель предсказывает глубину по одному изображению, поэтому результат может быть неоднозначным без информации о масштабе сцены или дополнительных ракурсов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DPT 3.1 (BEiT backbone)

DPT (Dense Prediction Transformer) model trained on 1.4 million images for monocular depth estimation. It was introduced in the paper Vision Transformers for Dense Prediction by Ranftl et al. (2021) and first released in this repository.

Disclaimer: The team releasing DPT did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

This DPT model uses the BEiT model as backbone and adds a neck + head on top for monocular depth estimation.

model image

How to use

Here is how to use this model for zero-shot depth estimation on an image:

from transformers import DPTImageProcessor, DPTForDepthEstimation
import torch
import numpy as np
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

processor = DPTImageProcessor.from_pretrained("Intel/dpt-beit-base-384")
model = DPTForDepthEstimation.from_pretrained("Intel/dpt-beit-base-384")

# prepare image for the model
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)
    predicted_depth = outputs.predicted_depth

# interpolate to original size
prediction = torch.nn.functional.interpolate(
    predicted_depth.unsqueeze(1),
    size=image.size[::-1],
    mode="bicubic",
    align_corners=False,
)

# visualize the prediction
output = prediction.squeeze().cpu().numpy()
formatted = (output * 255 / np.max(output)).astype("uint8")
depth = Image.fromarray(formatted)

or one can use the pipeline API:

from transformers import pipeline

pipe = pipeline(task="depth-estimation", model="Intel/dpt-beit-base-384")
result = pipe("http://images.cocodataset.org/val2017/000000039769.jpg")
result["depth"]

Как запустить

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

GPU в ailist

Универсальный рантайм · depth-estimation

Можно запустить

Подбираем GPU…

Класс архитектуры
DPTForDepthEstimation
Ревизия весов
e22f6ad

0 моделей