/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
dpt · dense
Опубликована
31 окт 2023

dpt-dinov2-small-kitti

Оценка глубиныИзображение → depth_map3 профессии

Модель DPT с бэкбоном DINOv2 оценивает глубину сцены по изображению.

158скачиваний за 30 дней8лайковвеса обновлены29 мар 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

facebook/dpt-dinov2-small-kitti — модель оценки глубины по изображениям, опубликованная Facebook. Она использует архитектуру Dense Prediction Transformer (DPT) с визуальным бэкбоном DINOv2 и предназначена для предсказания глубины сцены; карточка отмечает её как демонстрацию возможностей DPT с DINOv2.

Модель подходит для задач компьютерного зрения, где требуется получить карту глубины из изображения. Весы доступны в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Сведения о размере, контексте и поддержке языков в карточке не приведены; это визуальная модель, поэтому языковая поддержка не указана.

Сценарии применения

  • получение карты глубины из фотографии
  • оценка глубины дорожной сцены
  • анализ пространственной структуры изображения

Ограничения

Карточка характеризует модель как демонстрацию подхода и не приводит численных метрик качества или подробных ограничений.

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-small-kitti")
model = DPTForDepthEstimation.from_pretrained("facebook/dpt-dinov2-small-kitti")

# 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
ae22d4d

0 моделей