/ Модель

Характеристики

Архитектура
depth_anything · dense
Библиотека
transformers
Опубликована
26 июл 2024

Depth-Anything-V2-Metric-Indoor-Base-hf

Оценка глубиныИзображение → depth_map3 профессии

Модель Depth Anything V2 для получения метрических карт глубины по изображениям внутренних помещений.

20 418скачиваний за 30 дней4лайкавеса обновлены27 авг 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 Metric Indoor Base — модель оценки метрической глубины изображений для внутренних помещений, разработанная авторами Depth Anything V2 и дообученная на синтетическом наборе Hypersim. Она предназначена для получения карты глубины с абсолютными оценками расстояния по изображению комнаты или другого внутреннего пространства; поддерживает сценарии компьютерного зрения, где важна геометрия сцены, а не только относительный порядок глубин.

Модель использует архитектуру DPT с backbone DINOv2 и содержит около 97,5 млн параметров. Это версия семейства Depth Anything V2, обученного на синтетических размеченных изображениях и реальных неразмеченных изображениях; данный чекпойнт настроен для метрической оценки глубины в помещениях. Он совместим с библиотекой Transformers и распространяется в формате safetensors.

В README не приведены ограничения точности или условия лицензии для этого чекпойнта, поэтому их нельзя уточнить по имеющимся данным. Качество метрических оценок может зависеть от соответствия входной сцены обучающим данным Hypersim; применение ориентировано на интерьеры, а не на уличные сцены.

Сценарии применения

  • оценка абсолютной глубины на фотографиях комнат
  • построение карты глубины для интерьерных сцен
  • извлечение геометрии помещения из одиночного изображения

Ограничения

Модель настроена на внутренние сцены, поэтому не предназначена для уличной оценки глубины. README не сообщает лицензию или количественные показатели точности этого чекпойнта.

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 (Fine-tuned for Metric Depth Estimation) - Transformers Version

This model represents a fine-tuned version of Depth Anything V2 for indoor metric depth estimation using the synthetic Hypersim datasets.

The 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 employs synthetic data and a larger capacity teacher model to achieve much finer and robust depth predictions. This fine-tuned version for metric depth estimation was first released in this repository.

Six metric depth models of three scales for indoor and outdoor scenes, respectively, were released and are available:

Base ModelParamsIndoor (Hypersim)Outdoor (Virtual KITTI 2)
Depth-Anything-V2-Small24.8MModel CardModel Card
Depth-Anything-V2-Base97.5MModel CardModel Card
Depth-Anything-V2-Large335.3MModel CardModel Card

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.

Requirements

transformers>=4.45.0

Alternatively, use transformers latest version installed from the source:

pip install git+https://github.com/huggingface/transformers

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-Metric-Indoor-Base-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-Metric-Indoor-Base-hf")
model = AutoModelForDepthEstimation.from_pretrained("depth-anything/Depth-Anything-V2-Metric-Indoor-Base-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

@article{depth_anything_v2,
  title={Depth Anything V2},
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Zhao, Zhen and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  journal={arXiv:2406.09414},
  year={2024}
}

@inproceedings{depth_anything_v1,
  title={Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data}, 
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  booktitle={CVPR},
  year={2024}
}

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
c6d9784

0 моделей