/ Модель

Характеристики

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

Video-Depth-Anything-Large-MLX

Оценка глубиныИзображение → depth_map3 профессии

MLX-перенос Video Depth Anything Large оценивает согласованную относительную глубину по кадрам монокулярного видео.

58скачиваний за 30 дней0лайковвеса 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

Video Depth Anything Large MLX — перенос модели Video Depth Anything в формат MLX от сообщества mlx-community на основе официального чекпойнта depth-anything/Video-Depth-Anything-Large. Это плотная модель оценки глубины по монокулярному видео: архитектура сочетает backbone DINOv2, голову DPT и временные модули движения в стиле AnimateDiff, чтобы получать согласованные карты глубины для видео произвольной длины. Модель принимает последовательности цветных кадров и выдаёт карту глубины для каждого кадра, а не текст.

Модель предназначена для анализа сцен и движения в видео, когда нужна относительная глубина с согласованностью между кадрами. Она не является метрической: оценки не выражаются в абсолютных метрах. Входные размеры высоты и ширины должны быть кратны 14; веса имеют точность fp32. По README, результаты на GPU близки к PyTorch-эталону примерно в пределах 1% относительной ошибки, а на CPU — примерно до 1e-5. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • получение карты глубины для каждого кадра видео
  • анализ относительной глубины и структуры видеосцены
  • отслеживание согласованности глубины между кадрами
  • подготовка глубинных карт для видеомонтажа и визуальных эффектов

Ограничения

Модель выдаёт относительную глубину, а не абсолютные расстояния в метрах; высота и ширина входных кадров должны быть кратны 14. Лицензия CC BY-NC 4.0 не допускает 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

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/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/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: no. 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
5cd5f8e

0 моделей