许可协议：apache-2.0
标签：

• 视觉
  任务类型：深度估计
  小部件：
• 推理：false

Depth Anything（基础尺寸模型，Transformers版本）

Depth Anything模型。该模型由Lihe Yang等人在论文《Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data》（论文链接）中提出，并首次发布于此代码库。

还提供了在线演示。

免责声明：发布Depth Anything的团队未为此模型编写模型卡，因此本模型卡由Hugging Face团队编写。

模型描述

Depth Anything利用DPT架构和DINOv2主干网络。

该模型在约6200万张图像上进行训练，在相对和绝对深度估计方面均取得了最先进的结果。

Depth Anything概览。取自原论文。

预期用途与限制

您可以使用原始模型执行零样本深度估计等任务。请访问模型中心查找其他版本以完成您感兴趣的任务。

使用方法

以下是使用此模型执行零样本深度估计的方法：

from transformers import pipeline
from PIL import Image
import requests

# 加载管道
pipe = pipeline(task="depth-estimation", model="LiheYoung/depth-anything-base-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"]

或者，也可以直接使用相关类：

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("LiheYoung/depth-anything-base-hf")
model = AutoModelForDepthEstimation.from_pretrained("LiheYoung/depth-anything-base-hf")

# 为模型准备图像
inputs = image_processor(images=image, return_tensors="pt")

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

# 插值到原始尺寸
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。

BibTeX条目及引用信息

@misc{yang2024depth,
      title={Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data}, 
      author={Lihe Yang and Bingyi Kang and Zilong Huang and Xiaogang Xu and Jiashi Feng and Hengshuang Zhao},
      year={2024},
      eprint={2401.10891},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}