许可协议: cc-by-nc-4.0

支持语言:

• 英文 任务类型: 深度估计 库名称: depth-anything-v2 标签:
• 深度
• 相对深度

Depth-Anything-V2基础版

简介

Depth Anything V2基于59.5万张合成标注图像与6200万+真实无标注图像训练而成，是目前最强大的单目深度估计(MDE)模型，具有以下特性：

• 相比V1版本能捕捉更精细的细节
• 比V1版本和基于SD的模型(如Marigold/Geowizard)更稳健
• 比基于SD的模型效率更高(快10倍)且更轻量
• 使用我们预训练模型进行微调可获得惊艳效果

安装指南

git clone https://huggingface.co/spaces/depth-anything/Depth-Anything-V2
cd Depth-Anything-V2
pip install -r requirements.txt

使用说明

首先下载模型文件并放入checkpoints目录。

import cv2
import torch

from depth_anything_v2.dpt import DepthAnythingV2

model = DepthAnythingV2(encoder='vitb', features=128, out_channels=[96, 192, 384, 768])
model.load_state_dict(torch.load('checkpoints/depth_anything_v2_vitb.pth', map_location='cpu'))
model.eval()

raw_img = cv2.imread('你的/图片/路径')
depth = model.infer_image(raw_img) # 输出HxW原始深度图

引用文献

如果本项目对您有帮助，请考虑引用：

@article{depth_anything_v2,
  title={Depth Anything V2},
  author={杨力赫, 康冰夷, 黄子龙, 赵震, 徐小刚, 冯家诗, 赵恒爽},
  journal={arXiv:2406.09414},
  year={2024}
}

@inproceedings{depth_anything_v1,
  title={Depth Anything：释放大规模无标注数据的潜力}, 
  author={杨力赫, 康冰夷, 黄子龙, 徐小刚, 冯家诗, 赵恒爽},
  booktitle={CVPR},
  year={2024}
}