/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
DA3MONO-LARGE
Библиотека
mlx
Опубликована
21 авг 2026

DA3Mono-LARGE-MLX-fp16

Оценка глубиныИзображение → depth_map3 профессии

Модель ByteDance для оценки глубины и выделения неба на одиночных изображениях, преобразованная в fp16 для MLX на Apple silicon.

11скачиваний за 30 дней0лайковвеса обновлены21 авг 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

DA3Mono-LARGE-MLX-fp16 — версия Depth Anything 3 Mono от ByteDance, преобразованная для запуска с библиотекой MLX на Apple silicon. Модель принимает одно RGB-изображение размером 504×504 и оценивает монокулярную глубину сцены; архитектура включает backbone DINOv2 ViT-L/14, голову DPT и дополнительную ветвь оценки неба. Веса представлены в fp16.

Модель выдаёт карту глубины и карту оценок неба для входного изображения. Фиксированное разрешение связано с заранее интерполированными позиционными эмбеддингами. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • оценка глубины по одной фотографии
  • построение карты глубины сцены
  • выделение неба на изображении
  • анализ пространственной структуры RGB-фотографий

Ограничения

Модель рассчитана на фиксированный вход 504×504, а оценка глубины выполняется по одному изображению. Лицензия CC BY-NC 4.0 не допускает коммерческое использование.

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

DA3Mono-LARGE-MLX-fp16

depth-anything/DA3MONO-LARGE (Depth Anything 3 Mono, ByteDance) converted to MLX for Apple silicon.

Single-image monocular depth: DinoV2 ViT-L/14 backbone + DPT head with an auxiliary sky-logit branch. Positional embedding is pre-baked (bicubic) for a fixed 504×504 input.

  • Input: (1, 3, 504, 504) float32, ImageNet-normalized ((x/255 - mean) / std)
  • Outputs: depth (504, 504) = exp(logits), sky (504, 504) = relu(logits)
  • Precision: fp16 weights (half the size, ~2x faster; see DA3Mono-LARGE-MLX for fp32)

Use with MLX

import mlx.core as mx
import numpy as np
from PIL import Image
from da3mono_mlx import DA3MonoMLX   # shipped in this repo

model = DA3MonoMLX().load_weights("model.safetensors")

img = Image.open("photo.jpg").convert("RGB").resize((504, 504), Image.BICUBIC)
a = np.asarray(img).astype(np.float32) / 255.0
x = (a - [0.485, 0.456, 0.406]) / [0.229, 0.224, 0.225]
x = mx.array(x.transpose(2, 0, 1)[None])          # NCHW

depth, sky = model(x)
mx.eval(depth, sky)

Accuracy vs. PyTorch reference

Validated against the official PyTorch forward on both random tensors and real images:

metricvalue
depth Pearson r0.9999998
depth median relative error0.07 %
depth max abs error0.02

License & citation

Weights are a conversion of depth-anything/DA3MONO-LARGE; the original model is released under CC-BY-NC-4.0 (non-commercial). Please cite:

@article{depthanything3,
  title={Depth Anything 3: Recovering the Visual Space from Any Views},
  author={Depth Anything Team},
  journal={arXiv preprint arXiv:2511.10647},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
f39fb72

0 моделей