Depth Anything V2 Metric Outdoor Large Hf

🚀 Depth Anything V2 (Metric Depth Estimation用に微調整済み) - Transformers版

このモデルは、合成Virtual KITTIデータセットを使用して屋外の計量深度推定用に微調整されたDepth Anything V2のバージョンです。

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ながら、合成データと大容量の教師モデルを用いることで、より細かく堅牢な深度予測を実現しています。この計量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公開されました。

6つの計量深度モデル（屋内と屋外のシーンにそれぞれ3つのスケール）が公開されており、利用可能です。

📚 ドキュメント

モデルの説明

Depth Anything V2は、DINOv2をバックボーンとしたDPTアーキテクチャを利用しています。

このモデルは、約60万枚の合成ラベル付き画像と約6200万枚の実際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。

想定用途と制限

この生モデルは、ゼロショット深度推定などのタスクに使用できます。興味のあるタスクに関する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。

必要条件

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とおりです。

基本的な使用法

from transformers import pipeline
from PIL import Image
import requests

# load pipe
pipe = pipeline(task="depth-estimation", model="depth-anything/Depth-Anything-V2-Metric-Outdoor-Large-hf")

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

# inference
depth = pipe(image)["depth"]

高度な使用法

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

# prepare image for the model
inputs = image_processor(images=image, return_tensors="pt")

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

# interpolate to original size
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。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で公開されています。

📚 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}
}