/ Модель

Характеристики

Размер весов
116 МБ
Лицензия
CC BY-NC 4.0
Архитектура
video_depth_anything · dense
Опубликована
1 сен 2026

Video-Depth-Anything-Small-MLX

Оценка глубиныИзображение → depth_map3 профессии

MLX-порт Video Depth Anything Small для оценки согласованных карт относительной глубины по кадрам видео.

52скачиваний 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 Small (MLX) — порт для MLX модели Video Depth Anything от ByteDance, представленный сообществом mlx-community. Модель оценивает относительную глубину по кадрам видео и предназначена для согласованных во времени карт глубины на видео произвольной длины. В основе — backbone DINOv2, голова DPT и временные модули движения в стиле AnimateDiff; выходом служат карты глубины для каждого кадра, а не текст.

Модель принимает видео как последовательности RGB-кадров; высота и ширина должны быть кратны 14. Это не метрическая модель: она не выдаёт абсолютную глубину в метрах. Веса представлены в формате safetensors и точности fp32; README сообщает о близком совпадении с PyTorch-реализацией при запуске на GPU и CPU. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Сценарии применения

  • получение карт глубины для кадров видео
  • оценка относительной глубины в длинных видеороликах
  • анализ движения и пространственной структуры сцены по видео

Ограничения

Модель оценивает относительную глубину и не выдаёт абсолютные расстояния в метрах. Для входных кадров требуется, чтобы высота и ширина были 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

Video Depth Anything Small (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-Small.

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-Small-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
a12a442

0 моделей