/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
dpt · dense
Опубликована
31 окт 2023

dpt-dinov2-large-nyu

Оценка глубиныИзображение → depth_map3 профессии

Модель DPT с backbone DINOv2 оценивает глубину сцены по изображению.

259скачиваний за 30 дней1лайквеса обновлены13 ноя 2023

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

facebook/dpt-dinov2-large-nyu — модель оценки глубины по изображению, разработанная Meta и основанная на архитектуре Dense Prediction Transformer (DPT) с визуальным backbone DINOv2. Она предназначена для сценариев, где нужно получить карту глубины сцены из одного изображения; карточка приводит её как пример эффективного сочетания DPT и DINOv2 для этой задачи.

Модель принимает изображение и выдаёт оценку глубины в виде карты. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0. README не сообщает дополнительные сведения о размере модели, контексте или поддерживаемых естественных языках.

Сценарии применения

  • построение карты глубины по фотографии
  • оценка расстояний до объектов на изображении
  • анализ пространственной структуры сцены
  • подготовка визуальных данных для приложений с оценкой глубины

Ограничения

Модель оценивает глубину по одному изображению; README не приводит количественных показателей качества или подробностей об ограничениях применения.

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

Model Card: DPT model with DINOv2 backbone

Model Details

DPT (Dense Prediction Transformer) model with DINOv2 backbone as proposed in DINOv2: Learning Robust Visual Features without Supervision by Oquab et al.

DPT architecture. Taken from the original paper.

Resources

Use with Transformers

from transformers import AutoImageProcessor, DPTForDepthEstimation
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("facebook/dpt-dinov2-large-nyu")
model = DPTForDepthEstimation.from_pretrained("facebook/dpt-dinov2-large-nyu")

# 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,
)

# visualize the prediction
output = prediction.squeeze().cpu().numpy()
formatted = (output * 255 / np.max(output)).astype("uint8")
depth = Image.fromarray(formatted)

Model Use

Intended Use

The model is intended to showcase that using the DPT framework with DINOv2 as backbone yields a powerful depth estimator.

BibTeX entry and citation info

@misc{oquab2023dinov2,
      title={DINOv2: Learning Robust Visual Features without Supervision}, 
      author={Maxime Oquab and Timothée Darcet and Théo Moutakanni and Huy Vo and Marc Szafraniec and Vasil Khalidov and Pierre Fernandez and Daniel Haziza and Francisco Massa and Alaaeldin El-Nouby and Mahmoud Assran and Nicolas Ballas and Wojciech Galuba and Russell Howes and Po-Yao Huang and Shang-Wen Li and Ishan Misra and Michael Rabbat and Vasu Sharma and Gabriel Synnaeve and Hu Xu and Hervé Jegou and Julien Mairal and Patrick Labatut and Armand Joulin and Piotr Bojanowski},
      year={2023},
      eprint={2304.07193},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

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
DPTForDepthEstimation
Ревизия весов
ef81b2d

0 моделей