/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Архитектура
depth_anything · dense
Библиотека
transformers
Опубликована
20 июн 2024

Depth-Anything-V2-Large-hf

Оценка глубиныИзображение → depth_map3 профессии

Модель Depth Anything V2 Large оценивает глубину объектов и сцен по одному изображению, в том числе без дообучения на целевых данных.

130 тыс.скачиваний за 30 дней33лайкавеса обновлены5 июл 2024

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

Depth Anything V2 Large — модель для оценки глубины по одному изображению, опубликованная командой Depth Anything и представленная в статье Лихэ Янга и соавторов. Эта версия совместима с библиотекой Transformers и предназначена для оценки глубины без дообучения на конкретном наборе данных.

Модель использует архитектуру DPT с backbone DINOv2. Её обучали на примерно 595 тысячах синтетических изображений с разметкой глубины и более чем 62 миллионах реальных изображений без разметки. По описанию авторов, V2 даёт более детализированные и устойчивые оценки, чем Depth Anything V1, и работает быстрее и легче моделей на основе диффузии.

Модель принимает изображение и выдаёт карту глубины; карточка заявляет оценку как относительной, так и абсолютной глубины. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Оценка глубины по одному изображению не заменяет измерение специализированным датчиком и может быть ненадёжной в условиях, отличающихся от обучающих данных.

Сценарии применения

  • построение карты глубины по фотографии
  • оценка расстояний и взаимного расположения объектов в сцене
  • добавление оценки глубины в компьютерное зрение и робототехнику
  • предварительный анализ изображений для 3D-реконструкции

Ограничения

Оценка глубины по одному изображению может быть неточной для сцен и условий, отличающихся от обучающих данных, и не заменяет измерения специализированным датчиком. Лицензия CC BY-NC 4.0 не разрешает 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

Depth Anything V2 Base – Transformers Version

Depth Anything V2 is trained from 595K synthetic labeled images and 62M+ real unlabeled images, providing the most capable monocular depth estimation (MDE) model with the following features:

  • more fine-grained details than Depth Anything V1
  • more robust than Depth Anything V1 and SD-based models (e.g., Marigold, Geowizard)
  • more efficient (10x faster) and more lightweight than SD-based models
  • impressive fine-tuned performance with our pre-trained models

This model checkpoint is compatible with the transformers library.

Depth Anything V2 was introduced in the paper of the same name by Lihe Yang et al. It uses the same architecture as the original Depth Anything release, but uses synthetic data and a larger capacity teacher model to achieve much finer and robust depth predictions. The original Depth Anything model was introduced in the paper Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data by Lihe Yang et al., and was first released in this repository.

Online demo.

Model description

Depth Anything V2 leverages the DPT architecture with a DINOv2 backbone.

The model is trained on ~600K synthetic labeled images and ~62 million real unlabeled images, obtaining state-of-the-art results for both relative and absolute depth estimation.

Depth Anything overview. Taken from the original paper.

Intended uses & limitations

You can use the raw model for tasks like zero-shot depth estimation. See the model hub to look for other versions on a task that interests you.

How to use

Here is how to use this model to perform zero-shot depth estimation:

from transformers import pipeline
from PIL import Image
import requests

# load pipe
pipe = pipeline(task="depth-estimation", model="depth-anything/Depth-Anything-V2-Large-hf")

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

# inference
depth = pipe(image)["depth"]

Alternatively, you can use the model and processor classes:

from transformers import AutoImageProcessor, AutoModelForDepthEstimation
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)

image_processor = AutoImageProcessor.from_pretrained("depth-anything/Depth-Anything-V2-Large-hf")
model = AutoModelForDepthEstimation.from_pretrained("depth-anything/Depth-Anything-V2-Large-hf")

# prepare image for the model
inputs = image_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,
)

For more code examples, please refer to the documentation.

Citation

@misc{yang2024depth,
      title={Depth Anything V2}, 
      author={Lihe Yang and Bingyi Kang and Zilong Huang and Zhen Zhao and Xiaogang Xu and Jiashi Feng and Hengshuang Zhao},
      year={2024},
      eprint={2406.09414},
      archivePrefix={arXiv},
      primaryClass={id='cs.CV' full_name='Computer Vision and Pattern Recognition' is_active=True alt_name=None in_archive='cs' is_general=False description='Covers image processing, computer vision, pattern recognition, and scene understanding. Roughly includes material in ACM Subject Classes I.2.10, I.4, and I.5.'}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · depth-estimation

Можно запустить

Подбираем GPU…

Класс архитектуры
DepthAnythingForDepthEstimation
Ревизия весов
7581137

0 моделей