library_name: transformers tags:

• 深度估计
• 绝对深度 pipeline_tag: 深度估计

Depth Anything V2（针对度量深度估计微调版）- Transformers版本

本模型是基于Depth Anything V2的微调版本，专为户外场景度量深度估计设计，使用合成数据集Virtual KITTI进行训练。

该模型检查点与transformers库完全兼容。

Depth Anything V2由Lihe Yang等人在同名论文中提出。其架构与原始Depth Anything相同，但通过合成数据和更大容量的教师模型实现了更精细、更鲁棒的深度预测。这个度量深度估计微调版首次发布于该代码库。

目前已发布六种度量深度模型，包含三种规模，分别针对室内和室外场景：

模型描述

Depth Anything V2采用DPT架构，以DINOv2为骨干网络。

该模型在约60万张合成标注图像和6200万张真实无标注图像上训练，在相对深度估计和绝对深度估计任务上均达到最先进水平。

Depth Anything架构概览。图片源自原论文。

使用场景与限制

您可以直接使用原始模型进行零样本深度估计等任务。访问模型中心可查找其他任务适配版本。

环境要求

transformers>=4.45.0

或通过源码安装最新版：

pip install git+https://github.com/huggingface/transformers

使用方法

零样本深度估计示例代码：

from transformers import pipeline
from PIL import Image
import requests

# 加载管道
pipe = pipeline(task="depth-estimation", model="depth-anything/Depth-Anything-V2-Metric-Outdoor-Small-hf")

# 加载图像
url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

# 推理
depth = pipe(image)["depth"]

也可使用模型和处理器类：

from transformers import AutoImageProcessor, AutoModelForDepthEstimation
import torch
import numpy as np
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

image_processor = AutoImageProcessor.from_pretrained("depth-anything/Depth-Anything-V2-Metric-Outdoor-Small-hf")
model = AutoModelForDepthEstimation.from_pretrained("depth-anything/Depth-Anything-V2-Metric-Outdoor-Small-hf")

# 图像预处理
inputs = image_processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)
    predicted_depth = outputs.predicted_depth

# 插值还原原始尺寸
prediction = torch.nn.functional.interpolate(
    predicted_depth.unsqueeze(1),
    size=image.size[::-1],
    mode="bicubic",
    align_corners=False,
)

更多代码示例请参阅文档。

引用文献

@article{depth_anything_v2,
  title={Depth Anything V2},
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Zhao, Zhen and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  journal={arXiv:2406.09414},
  year={2024}
}

@inproceedings{depth_anything_v1,
  title={Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data}, 
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  booktitle={CVPR},
  year={2024}
}