Флагманская Vision Transformer-модель ByteDance для оценки глубины, позы камеры и 3D-геометрии сцен по изображениям.
Подходит для: оценка относительной глубины по одному изображению · оценка глубины сцены по нескольким ракурсам · восстановление позы камеры по изображениям