许可协议：知识共享-署名-非商业性使用 4.0 国际

支持语言：

• 英语 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-Large

简介

Depth Anything V2 基于 59.5 万张合成标注图像和 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，具有以下特点：

• 比 Depth Anything V1 呈现更精细的细节
• 比 Depth Anything V1 和基于 SD 的模型（如 Marigold、Geowizard）更鲁棒
• 比基于 SD 的模型更高效（快 10 倍）且更轻量
• 使用我们的预训练模型进行微调可获得出色性能

安装

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

使用说明

首先下载模型并将其放入 checkpoints 目录。

import cv2
import torch

from depth_anything_v2.dpt import DepthAnythingV2

model = DepthAnythingV2(encoder='vitl', features=256, out_channels=[256, 512, 1024, 1024])
model.load_state_dict(torch.load('checkpoints/depth_anything_v2_vitl.pth', map_location='cpu'))
model.eval()

raw_img = cv2.imread('your/image/path')
depth = model.infer_image(raw_img) # HxW 原始深度图

引用

如果您认为本项目有帮助，请考虑引用：

@article{depth_anything_v2,
  title={Depth Anything V2},
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Zhao, Zhen and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  journal={arXiv:2406.09414},
  year={2024}
}

@inproceedings{depth_anything_v1,
  title={Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data}, 
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  booktitle={CVPR},
  year={2024}
}