/ Модель

Характеристики

Архитектура
depth_anything · dense
Библиотека
transformers
Опубликована
26 июл 2024

Depth-Anything-V2-Metric-Indoor-Large-hf

Оценка глубиныИзображение → depth_map3 профессии

Модель Depth Anything V2 Large оценивает абсолютную глубину объектов и поверхностей на изображениях помещений.

16 110скачиваний за 30 дней18лайковвеса 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-Large-hf — версия Depth Anything V2, дообученная для оценки метрической глубины на изображениях помещений. Модель впервые опубликована в этом репозитории; исходная Depth Anything V2 разработана Lihe Yang и соавторами. Чекпойнт совместим с библиотекой Transformers и использует архитектуру DPT с backbone DINOv2. Размер базовой модели Large в семействе — 335,3 млн параметров.

Модель принимает изображение и предсказывает карту абсолютной глубины для внутренних сцен. Для метрической версии использованы синтетические данные Hypersim; базовая Depth Anything V2 обучалась на синтетических размеченных и реальных неразмеченных изображениях. Модель подходит для оценки глубины без дополнительной настройки на целевом изображении.

Карточка не сообщает лицензию этого чекпойнта, поэтому условия его распространения и коммерческого использования по имеющимся данным определить нельзя. Предназначение модели ограничено внутренними сценами; результаты на уличных и иных существенно отличающихся данных могут быть ненадёжны.

Сценарии применения

  • построение карты глубины комнаты по фотографии
  • оценка расстояний до объектов в помещении
  • подготовка данных для анализа интерьеров и сцен
  • оценка глубины изображений для робототехники внутри помещений

Ограничения

Модель рассчитана на внутренние сцены и обучалась на синтетических данных Hypersim, поэтому качество на уличных сценах и при сильном отличии реальных данных может снижаться. Лицензия чекпойнта в предоставленной карточке не указана.

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

@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
d2fc6a9

0 моделей