Depth Anything Small Hf

🚀 Depth Anything (小型モデル、Transformersバージョン)

Depth Anythingモデルは、Lihe Yangらによる論文 Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data で紹介され、このリポジトリ で最初に公開されました。

オンラインデモ も提供されています。

免責事項: Depth Anythingを公開したチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されました。

🚀 クイックスタート

このモデルは、大規模な未ラベルデータの力を活用して、高精度な深度推定を行うことができます。以下のセクションでは、モデルの詳細、使用方法、引用情報などを紹介します。

✨ 主な機能

• 高精度な深度推定：約6200万枚の画像で学習され、相対深度推定と絶対深度推定の両方で最先端の結果を達成しています。
• ゼロショット学習：事前学習されたモデルを使用して、新しいタスクに対してゼロショットで深度推定を行うことができます。

📚 ドキュメント

モデルの説明

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

このモデルは約6200万枚の画像で学習され、相対深度推定と絶対深度推定の両方で最先端の結果を達成しています。

Depth Anythingの概要。元の論文 から引用。

想定される用途と制限

このモデルは、ゼロショット深度推定などのタスクに使用することができます。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。

使用方法

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="LiheYoung/depth-anything-small-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

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")

# 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,
)

より詳細なコード例については、ドキュメント を参照してください。

BibTeXエントリと引用情報

@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}
}

📄 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。