/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
prompt_depth_anything · dense
Опубликована
23 дек 2024

prompt-depth-anything-vits-hf

Оценка глубиныИзображение → depth_map3 профессии

Prompt Depth Anything ViT-S использует изображение и подсказки iPhone LiDAR для построения метрической карты глубины с разрешением до 4K.

862скачиваний за 30 дней5лайковвеса обновлены21 мар 2025

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

Prompt Depth Anything ViT-S — модель для оценки метрической глубины по изображению. Она использует высокоточные измерения iPhone LiDAR как подсказку, чтобы строить карту глубины с разрешением до 4K. В метаданных указана архитектура PromptDepthAnythingForDepthEstimation и формат весов safetensors.

Модель предназначена для сценариев, где нужна оценка глубины сцены, в том числе для 3D-реконструкции и обобщённого роботизированного захвата предметов. README описывает метод Prompt Depth Anything и масштабируемый конвейер обучения, но не уточняет размер модели или поддерживаемые языки. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Сценарии применения

  • построение карты глубины сцены по изображению и данным iPhone LiDAR
  • подготовка данных для 3D-реконструкции
  • оценка расстояний до объектов в сцене
  • поддержка роботизированного захвата предметов

Ограничения

Для подсказки глубины метод использует данные iPhone LiDAR. README не сообщает, как модель работает без такой подсказки и какие устройства или форматы ввода поддерживаются.

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

Prompt-Depth-Anything-Vits

Introduction

Prompt Depth Anything is a high-resolution and accurate metric depth estimation method, with the following highlights:

  • using prompting to unleash the power of depth foundation models, inspired by success of prompting in VLM and LLM foundation models.
  • The widely available iPhone LiDAR is taken as the prompt, guiding the model to produce up to 4K resolution accurate metric depth.
  • A scalable data pipeline is introduced to train the method.
  • Prompt Depth Anything benefits downstream applications, including 3D reconstruction and generalized robotic grasping.

Usage

import requests
from PIL import Image
from transformers import PromptDepthAnythingForDepthEstimation, PromptDepthAnythingImageProcessor

url = "https://github.com/DepthAnything/PromptDA/blob/main/assets/example_images/image.jpg?raw=true"
image = Image.open(requests.get(url, stream=True).raw)


image_processor = PromptDepthAnythingImageProcessor.from_pretrained("depth-anything/prompt-depth-anything-vits-hf")
model = PromptDepthAnythingForDepthEstimation.from_pretrained("depth-anything/prompt-depth-anything-vits-hf")

prompt_depth_url = "https://github.com/DepthAnything/PromptDA/blob/main/assets/example_images/arkit_depth.png?raw=true"
prompt_depth = Image.open(requests.get(prompt_depth_url, stream=True).raw)

inputs = image_processor(images=image, return_tensors="pt", prompt_depth=prompt_depth)
with torch.no_grad():
    outputs = model(**inputs)
post_processed_output = image_processor.post_process_depth_estimation(
    outputs,
    target_sizes=[(image.height, image.width)],
)

predicted_depth = post_processed_output[0]["predicted_depth"] 

Citation

If you find this project useful, please consider citing:

@inproceedings{lin2024promptda,
  title={Prompting Depth Anything for 4K Resolution Accurate Metric Depth Estimation},
  author={Lin, Haotong and Peng, Sida and Chen, Jingxiao and Peng, Songyou and Sun, Jiaming and Liu, Minghuan and Bao, Hujun and Feng, Jiashi and Zhou, Xiaowei and Kang, Bingyi},
  journal={arXiv},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · depth-estimation

Можно запустить

Подбираем GPU…

Класс архитектуры
PromptDepthAnythingForDepthEstimation
Ревизия весов
6f3768a

0 моделей