/ Модель

Характеристики

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

video-depth-anything-small-mlx

Оценка глубиныИзображение → depth_map3 профессии

Конверсия Video-Depth-Anything-Small для согласованной монокулярной оценки глубины в видео на MLX.

29скачиваний 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

Это конверсия модели Video-Depth-Anything-Small из репозитория depth-anything/Video-Depth-Anything-Small в формат MLX. Исходную модель разработала ByteDance; она предназначена для согласованной монокулярной оценки глубины в видео, то есть вычисляет карту глубины для кадров с учётом временной последовательности. Архитектура включает основу DINOv2 ViT-S и временную голову DPT.

Модель подходит для анализа глубины в видеороликах и сценариев компьютерного зрения, где важна временная согласованность оценок между кадрами. В README указано сравнение с PyTorch-версией: максимальная относительная ошибка около 1e-5 на CPU и около 1% на GPU при использовании ускоренной арифметики Metal. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • получение карт глубины для кадров видеоролика
  • оценка глубины сцены по монокулярному видео
  • анализ пространственной структуры видеозаписей
  • подготовка данных глубины для приложений компьютерного зрения

Ограничения

Оценка основана на одном видеопотоке и не измеряет физическую глубину напрямую; точность может различаться между CPU и GPU, а на GPU README отмечает около 1% относительной ошибки против PyTorch при ускоренной арифметике Metal.

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 Small (MLX)

MLX conversion of depth-anything/Video-Depth-Anything-Small (ByteDance, CVPR 2025 highlight). Consistent monocular video depth estimation: DINOv2-vits backbone + temporal DPT head.

Converted with python -m mlx_vlm.models.video_depth_anything.convert --variant small.

Usage

from pathlib import Path
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-small-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
09e3575

0 моделей