/ Модель

Характеристики

Размер весов
1,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
video_depth_anything · dense
Опубликована
1 сен 2026

Metric-Video-Depth-Anything-Large-MLX

Оценка глубиныИзображение → depth_map3 профессии

MLX-порт модели ByteDance для согласованной оценки абсолютной глубины по кадрам длинных монокулярных видео.

163скачиваний за 30 дней1лайквеса обновлены1 сен 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

Metric Video Depth Anything Large MLX — порт модели Video Depth Anything от ByteDance в формат MLX, подготовленный mlx-community. Модель оценивает метрическую глубину по кадрам монокулярного видео, формируя карту глубины для каждого кадра и обеспечивая согласованность оценок на длинных видео.

Архитектура включает основу DINOv2, голову DPT и временные модули движения в стиле AnimateDiff. Модель принимает последовательность цветных кадров и выдаёт карты абсолютной глубины в метрах. Размеры кадров должны быть кратны 14. Веса представлены в fp32; README сообщает о близком совпадении с эталонной реализацией PyTorch на GPU и CPU.

Модель предназначена для оценки глубины видео и сценариев компьютерного зрения, где важны временная согласованность и метрический масштаб. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

  • построение метрических карт глубины для кадров видео
  • оценка глубины в длинных монокулярных последовательностях
  • анализ пространственной структуры видеосцен
  • подготовка карт глубины для задач компьютерного зрения

Ограничения

Размеры кадров по высоте и ширине должны быть кратны 14. Лицензия CC BY-NC 4.0 не разрешает коммерческое использование.

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

Metric Video Depth Anything Large (MLX)

MLX port of Video Depth Anything (ByteDance, CVPR 2025 highlight): consistent monocular depth estimation for arbitrarily long videos. Converted from the official checkpoint depth-anything/Metric-Video-Depth-Anything-Large.

Architecture: DINOv2 backbone + DPT head with AnimateDiff-style temporal motion modules. Outputs per-frame depth maps, not text.

Usage

from mlx_vlm import load
from mlx_vlm.models.video_depth_anything.generate import (
    VideoDepthPredictor,
    read_video_frames,
)

model, processor = load("mlx-community/Metric-Video-Depth-Anything-Large-MLX")
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

Notes

  • Inputs are channel-last (B, T, H, W, 3); H and W must be multiples of 14.
  • Metric model: yes. Metric models output absolute depth (meters) and skip scale/shift window alignment.
  • Weights are fp32. On GPU, output matches the PyTorch reference to ~1% relative (Metal fast-math); on CPU to ~1e-5.

License

CC-BY-NC-4.0 (same as the source checkpoint). Non-commercial use only.

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
0aab5e5

0 моделей