Характеристики

Лицензия: MIT
Базовая модель: lingbot-depth-pretrain-vitl-14-v0.5
Библиотека: mlx
Опубликована: 1 июл 2026

Ссылки

Hugging Face

lingbot-depth-mlx

WT-MM

Оценка глубиныИзображение → depth_map3 профессии

Конвертированные для MLX веса LingBot-Depth оценивают глубину сцены по изображению на Apple Silicon.

16скачиваний за 30 дней0лайковвеса обновлены2 июл 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

WT-MM/lingbot-depth-mlx — конвертированные веса LingBot-Depth для запуска через MLX на компьютерах с Apple Silicon. Модель основана на robbyant/lingbot-depth-pretrain-vitl-14-v0.5 и предназначена для оценки глубины по изображениям; конфигурация содержит размеры модели и параметры предобработки.

Веса представлены в формате safetensors: энкодер использует bf16, декодер — fp32; позиционные эмбеддинги предварительно вычислены. Модель работает через mlx.core и позволяет использовать backend mlx-native проекта lingbot-depth-viz без установки PyTorch и конвертации исходного чекпойнта. В README указано расхождение AbsRel 0,27–0,48% относительно torch-MPS. Лицензия — MIT.

Сценарии применения

оценка глубины по фотографии
получение карты глубины для визуализации сцены
локальный запуск оценки глубины на Apple Silicon
сравнение производительности MLX и PyTorch MPS

Ограничения

Для запуска требуется среда MLX на Apple Silicon и совместимый backend lingbot-depth-viz. README сообщает о расхождении AbsRel 0,27–0,48% относительно torch-MPS.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

lingbot-depth-mlx

MLX weights for LingBot-Depth (mdm), pre-converted for the mlx-native backend of lingbot-depth-viz.

These are the original robbyant/lingbot-depth-pretrain-vitl-14-v0.5 weights, converted to MLX safetensors with the position embeddings precomputed, so the whole model runs on Apple Silicon through mlx.core alone. Hosting them lets the torch-free install run without downloading the torch checkpoint or running the conversion:

uv sync --extra mlx
uv run lingbot-depth-viz --backend mlx-native --mode benchmark
# weights.safetensors is fetched from here on first run

Files

weights.safetensors — MLX arrays (bf16 encoder, fp32 decoder) plus precomputed position embeddings.
config.json — model dims and preprocessing constants read by the runtime.

Provenance

Produced by --mode convert-mlx (converter_version 1). Parity vs torch-MPS is 0.27–0.48% AbsRel end-to-end. See the repo's results/mlx-backend.md.

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: 165eacc