🚀 Prompt-Depth-Anything-Vits

Prompt-Depth-Anything-Vits 是一种高分辨率且精确的度量深度估计方法，可利用提示技术挖掘深度基础模型的潜力，为 3D 重建和机器人抓取等下游应用提供支持。

🚀 快速开始

Prompt Depth Anything 是一种高分辨率且精确的度量深度估计方法，具有以下亮点：

• 受视觉语言模型（VLM）和大语言模型（LLM）中提示技术成功应用的启发，使用提示技术挖掘深度基础模型的潜力。
• 以广泛使用的 iPhone LiDAR 作为提示，引导模型生成高达 4K 分辨率的精确度量深度。
• 引入了可扩展的数据管道来训练该方法。
• Prompt Depth Anything 有利于下游应用，包括 3D 重建和通用机器人抓取。

✨ 主要特性

• 提示驱动：借助提示技术激发深度基础模型的潜力。
• 高分辨率输出：以 iPhone LiDAR 为提示，生成高达 4K 分辨率的精确度量深度。
• 可扩展训练：采用可扩展的数据管道进行模型训练。
• 应用广泛：对 3D 重建和机器人抓取等下游应用有帮助。

💻 使用示例

基础用法

import requests
from PIL import Image
from transformers import PromptDepthAnythingForDepthEstimation, PromptDepthAnythingImageProcessor

url = "https://github.com/DepthAnything/PromptDA/blob/main/assets/example_images/image.jpg?raw=true"
image = Image.open(requests.get(url, stream=True).raw)

image_processor = PromptDepthAnythingImageProcessor.from_pretrained("depth-anything/prompt-depth-anything-vits-hf")
model = PromptDepthAnythingForDepthEstimation.from_pretrained("depth-anything/prompt-depth-anything-vits-hf")

prompt_depth_url = "https://github.com/DepthAnything/PromptDA/blob/main/assets/example_images/arkit_depth.png?raw=true"
prompt_depth = Image.open(requests.get(prompt_depth_url, stream=True).raw)

inputs = image_processor(images=image, return_tensors="pt", prompt_depth=prompt_depth)
with torch.no_grad():
    outputs = model(**inputs)
post_processed_output = image_processor.post_process_depth_estimation(
    outputs,
    target_sizes=[(image.height, image.width)],
)

predicted_depth = post_processed_output[0]["predicted_depth"] 

📄 许可证

本项目采用 Apache-2.0 许可证。

📚 详细文档

引用

如果您觉得这个项目有用，请考虑引用以下文献：

@inproceedings{lin2024promptda,
  title={Prompting Depth Anything for 4K Resolution Accurate Metric Depth Estimation},
  author={Lin, Haotong and Peng, Sida and Chen, Jingxiao and Peng, Songyou and Sun, Jiaming and Liu, Minghuan and Bao, Hujun and Feng, Jiashi and Zhou, Xiaowei and Kang, Bingyi},
  journal={arXiv},
  year={2024}
}