Характеристики

Размер весов: 458 МБ
Лицензия: Apache 2.0
Архитектура: video_depth_anything · dense
Опубликована: 31 авг 2026

Ссылки

video-depth-anything-base-metric-mlx

Оценка глубиныИзображение → depth_map3 профессии

Конверсия Video Depth Anything Base Metric в MLX для временно согласованной оценки абсолютной глубины в метрах по монокулярному видео.

24скачиваний за 30 дней0лайковвеса обновлены31 авг 2026

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

Video Depth Anything Base (Metric) (MLX) — конверсия модели depth-anything/Metric-Video-Depth-Anything-Base от ByteDance в формат MLX. Модель оценивает глубину по монокулярному видео, выдавая абсолютные значения в метрах с временной согласованностью между кадрами. Архитектура сочетает backbone DINOv2 и временную голову DPT; это вариант Base Metric.

Модель предназначена для оценки глубины в видеопотоках, когда нужны метрические значения, а не только относительная карта глубины. Конверсия проверена сравнением с PyTorch-версией: в README указана максимальная относительная ошибка около 1e-5 на CPU и около 1% на GPU с fast-math Metal. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

оценка абсолютной глубины по видеопоследовательности
получение метрических карт глубины для кадров видео
анализ расстояний до объектов в видеопотоке
оценка глубины в приложениях компьютерного зрения на устройствах Apple с MLX

Ограничения

Оценка ошибки приведена только относительно PyTorch-реализации и зависит от устройства и вычислительного режима; README не сообщает независимые показатели точности на прикладных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Video Depth Anything Base (Metric) (MLX)

MLX conversion of depth-anything/Metric-Video-Depth-Anything-Base (ByteDance, CVPR 2025 highlight). Consistent monocular video depth estimation: DINOv2 backbone + temporal DPT head. This is the metric (absolute depth in meters) variant.

Converted with python -m mlx_vlm.models.video_depth_anything.convert --variant base-metric.

Usage

from mlx_vlm.utils import load_model, get_model_path
from mlx_vlm.models.video_depth_anything.processing_video_depth_anything import (
    VideoDepthProcessor,
)
from mlx_vlm.models.video_depth_anything.generate import (
    VideoDepthPredictor,
    read_video_frames,
)

path = get_model_path("jarjoura/video-depth-anything-base-metric-mlx")
model = load_model(path)
processor = VideoDepthProcessor.from_pretrained(path)
predictor = VideoDepthPredictor(model, processor)

frames, fps = read_video_frames("input.mp4", max_len=300, target_fps=15)
depths = predictor.infer(frames)  # (T, H, W) float32 depth maps

Validated against the PyTorch reference: ~1e-5 max relative error on CPU, ~1% on GPU (Metal fast-math).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: 9351f35