Depth Anything V2 Metric Indoor Small Hf

🚀 Depth Anything V2 (微調整済みのメトリック深度推定用) - Transformersバージョン

このモデルは、合成Hypersimデータセットを使用した屋内メトリック深度推定用にDepth Anything V2を微調整したバージョンです。

モデルのチェックポイントは、transformersライブラリと互換性があります。

Depth Anything V2は、Lihe Yangらによる同名の論文で紹介されました。元のDepth Anythingと同じアーキテクチャを使用していますが、合成データと大容量の教師モデルを採用することで、より細かく堅牢な深度予測を実現しています。このメトリック深度推定用の微調整バージョンは、このリポジトリで最初にリリースされました。

屋内と屋外のシーンにそれぞれ対応した3つのスケールの6つのメトリック深度モデルがリリースされており、利用可能です。

✨ 主な機能

モデルの説明

Depth Anything V2は、DINOv2をバックボーンとするDPTアーキテクチャを活用しています。

このモデルは、約60万枚の合成ラベル付き画像と約6200万枚の実世界のラベルなし画像で学習されており、相対深度推定と絶対深度推定の両方で最先端の結果を得ています。

Depth Anythingの概要。元の論文より引用。

🚀 クイックスタート

想定される使用法と制限

生のモデルは、ゼロショット深度推定などのタスクに使用できます。興味のあるタスクの他のバージョンを探すには、モデルハブを参照してください。

要件

transformers>=4.45.0

または、ソースから最新バージョンのtransformersをインストールして使用することもできます。

pip install git+https://github.com/huggingface/transformers

使い方

このモデルを使用してゼロショット深度推定を行う方法は次の通りです。

from transformers import pipeline
from PIL import Image
import requests

# パイプラインをロード
pipe = pipeline(task="depth-estimation", model="depth-anything/Depth-Anything-V2-Metric-Indoor-Small-hf")

# 画像をロード
url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

# 推論
depth = pipe(image)["depth"]

または、モデルとプロセッサクラスを使用することもできます。

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("depth-anything/Depth-Anything-V2-Metric-Indoor-Small-hf")
model = AutoModelForDepthEstimation.from_pretrained("depth-anything/Depth-Anything-V2-Metric-Indoor-Small-hf")

# モデル用に画像を準備
inputs = image_processor(images=image, return_tensors="pt")

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

# 元のサイズに補間
prediction = torch.nn.functional.interpolate(
    predicted_depth.unsqueeze(1),
    size=image.size[::-1],
    mode="bicubic",
    align_corners=False,
)

より多くのコード例については、ドキュメントを参照してください。

📚 ドキュメント

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}
}