/ Модель

Характеристики

Размер весов
1,5 ГБ
Лицензия
Apache 2.0
Архитектура
video_depth_anything · dense
Опубликована
31 авг 2026

video-depth-anything-large-metric-mlx

Оценка глубиныИзображение → depth_map3 профессии

MLX-конверсия Video Depth Anything Large оценивает абсолютную глубину в метрах по кадрам монокулярного видео с временной согласованностью.

22скачиваний 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 Large (Metric) в формате MLX — конверсия модели depth-anything/Metric-Video-Depth-Anything-Large от ByteDance, представленной как highlight на CVPR 2025. Модель оценивает глубину по монокулярному видео: использует backbone DINOv2 и временную голову DPT, выдавая абсолютные расстояния в метрах с согласованностью между кадрами.

Модель предназначена для извлечения метрической карты глубины из видеопоследовательности. Конверсия проверена сравнением с реализацией PyTorch: README сообщает максимальную относительную ошибку около 1e-5 на CPU и около 1% на GPU при fast-math в Metal. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • оценка расстояний до объектов на видео
  • построение метрических карт глубины видеопоследовательности
  • анализ глубины сцен по монокулярной видеозаписи

Ограничения

Оценка на GPU при fast-math в Metal может отличаться от реализации PyTorch примерно на 1%; заявленная ошибка на CPU составляет около 1e-5 максимальной относительной ошибки. README не сообщает дополнительных 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

Video Depth Anything Large (Metric) (MLX)

MLX conversion of depth-anything/Metric-Video-Depth-Anything-Large (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 large-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-large-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
beec44a

0 моделей