基于Depth Anything V2使用合成Hypersim数据集进行室内度量深度估计的微调版本，兼容transformers库。

基于Depth Anything V2模型，针对室内度量深度估计任务使用Hypersim合成数据集微调的版本

基于Depth Anything V2针对室内度量深度估计任务进行微调的模型，使用合成数据集Hypersim训练，兼容transformers库。

基于Depth Anything V2的微调版本，专为户外场景度量深度估计设计，使用合成数据集Virtual KITTI进行训练。

基于Depth Anything V2使用合成Virtual KITTI数据集针对室外度量深度估计任务微调的版本，兼容transformers库

基于Depth Anything V2针对户外度量深度估计任务进行微调的版本，使用合成数据集Virtual KITTI进行训练

Depth Anything V2 是基于 DPT 架构的深度估计模型，采用 DINOv2 骨干网络，通过大规模合成和真实数据训练，实现精细且鲁棒的深度预测。

Depth Anything 是一种基于 DPT 架构和 DINOv2 骨干网络的深度估计模型，在约 6200 万张图像上训练，在相对和绝对深度估计任务中取得最先进结果。

ZoeDepth是一个用于单目深度估计的模型，特别在NYU数据集上进行了微调，能够实现零样本迁移和度量深度估计。

Depth Anything是基于DPT架构和DINOv2骨干网络的深度估计模型，在约6200万张图像上训练，在相对和绝对深度估计任务中取得了最先进的结果。

Depth Anything是一种基于DPT架构和DINOv2主干网络的深度估计模型，在约6200万张图像上训练，实现了零样本深度估计的先进性能。

Depth Anything是基于DPT架构的深度估计模型，采用DINOv2骨干网络，在约6200万张图像上训练，在相对和绝对深度估计任务上表现优异。