/ Модель

Характеристики

Лицензия
MIT
Библиотека
diffusers
Опубликована
11 июн 2024

ChronoDepth

Оценка глубиныИзображение → depth_map3 профессии

ChronoDepth оценивает глубину в видео, стремясь сохранять временную согласованность результатов.

14скачиваний за 30 дней10лайковвеса обновлены11 июн 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

ChronoDepth — официальный чекпойнт модели из работы «Learning Temporally Consistent Video Depth from Video Diffusion Priors», разработанный Jiahao Shao, Yuanbo Yang, Hongyu Zhou, Youmin Zhang, Yujun Shen, Matteo Poggi и Yiyi Liao. Модель предназначена для оценки глубины в видео с временной согласованностью, используя видеодиффузионные априорные знания.

Модель распространяется в формате Diffusers с весами Safetensors и поддерживает задачу depth-estimation. Репозиторий создан 11 июня 2024 года. Лицензия — MIT. Сведений о размере модели, длине контекста и поддерживаемых естественных языках в предоставленных данных нет.

Сценарии применения

  • оценка глубины по кадрам видео
  • получение временно согласованных карт глубины
  • анализ структуры сцены в видеопоследовательности

Ограничения

Данные не содержат сведений о точности, ограничениях по типам видео или требованиях к вычислительным ресурсам.

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

ChronoDepth: Learning Temporally Consistent Video Depth from Video Diffusion Priors

This model represents the official checkpoint of the paper titled "Learning Temporally Consistent Video Depth from Video Diffusion Priors".

Website PaperGitHub

Jiahao Shao*, Yuanbo Yang*, Hongyu Zhou, Youmin Zhang, Yujun Shen, Matteo Poggi, Yiyi Liao†

🎓 Citation

Please cite our paper if you find this repository useful:

@misc{shao2024learning,
      title={Learning Temporally Consistent Video Depth from Video Diffusion Priors}, 
      author={Jiahao Shao and Yuanbo Yang and Hongyu Zhou and Youmin Zhang and Yujun Shen and Matteo Poggi and Yiyi Liao},
      year={2024},
      eprint={2406.01493},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers · depth-estimation

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
dccaf3c

0 моделей