license: mit tags:

• 视觉 pipeline_tag: 深度估计

ZoeDepth (基于KITTI微调)

ZoeDepth模型在KITTI数据集上进行了微调。该模型由Shariq等人在论文ZoeDepth: 通过结合相对与度量深度实现零样本迁移中提出，并首次发布于此代码库。

ZoeDepth扩展了DPT框架，用于度量（也称为绝对）深度估计，取得了最先进的结果。

免责声明：发布ZoeDepth的团队未为此模型编写模型卡片，本模型卡片由Hugging Face团队撰写。

模型描述

ZoeDepth对DPT进行了适配，将原本用于相对深度估计的模型改进为所谓的度量（也称为绝对）深度估计模型。

这意味着该模型能够以实际度量值估计深度。

ZoeDepth架构。取自原论文。

预期用途与限制

您可以将原始模型用于零样本单目深度估计等任务。请查看模型中心以寻找您感兴趣任务的其他版本。

使用方法

最简单的方式是利用管道API，它为用户抽象了复杂性：

from transformers import pipeline
from PIL import Image
import requests

# 加载管道
depth_estimator = pipeline(task="depth-estimation", model="Intel/zoedepth-kitti")

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

# 推理
outputs = depth_estimator(image)
depth = outputs.depth

更多代码示例，请参阅文档。

BibTeX条目及引用信息

@misc{bhat2023zoedepth,
      title={ZoeDepth: Zero-shot Transfer by Combining Relative and Metric Depth}, 
      author={Shariq Farooq Bhat and Reiner Birkl and Diana Wofk and Peter Wonka and Matthias Müller},
      year={2023},
      eprint={2302.12288},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}