license: apache-2.0 tags:

• 视觉 pipeline_tag: 深度估计 widget:
• inference: false

Depth Anything（小尺寸模型，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中提出，并首次发布于此代码库。

同时提供了在线演示。

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

模型描述

Depth Anything采用DPT架构，并基于DINOv2骨干网络。

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任务上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

您可以将原始模型用于零样本深度估计等任务。查看模型中心以寻找其他任务的相关版本。

使用方法

以下是如何使用该模型进行零样本深度估计的示例：

from transformers import pipeline
from PIL import Image
import requests

# 加载管道
pipe = pipeline(task="depth-estimation", model="LiheYoung/depth-anything-small-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，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-small-hf")
model = AutoModelForDepthEstimation.from_pretrained("LiheYoung/depth-anything-small-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

# 插值至原始尺寸
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条目与引用信息

@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}
}