license: mit tags:

• 视觉 pipeline_tag: 深度估计

ZoeDepth（基于NYU微调）

此模型为在NYU数据集上微调的ZoeDepth模型。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，并首发于此代码库。

ZoeDepth扩展了DPT框架，用于度量（亦称绝对）深度估计，取得了最先进的成果。

免责声明：发布ZoeDepth的团队未为此模型编写说明卡片，故本卡片由Hugging Face团队代笔。

模型描述

ZoeDepth对DPT（一种相对深度估计模型）进行改造，使其适用于所谓的度量（亦称绝对）深度估计。

这意味着该模型能够以实际度量值估计深度。

ZoeDepth架构图。引自原论文。

预期用途与限制

您可将原始模型用于零样本单目深度估计等任务。访问模型中心查找其他任务版本。

使用方法

最简单的方式是利用封装了复杂逻辑的流水线API：

from transformers import pipeline
from PIL import Image
import requests

# 加载流水线
depth_estimator = pipeline(task="depth-estimation", model="Intel/zoedepth-nyu")

# 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

更多代码示例详见文档。

BibTeX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}
}