# リアルタイムシーン理解

Distill-Any-Depth は、画像から深度情報を推定するための transformers アーキテクチャに基づくモデルです。

bert-miniとvit-smallに基づく軽量画像キャプション生成モデルで、わずか130MBの重さで、CPU上で非常に高速に動作します。

PyTorchベースのセマンティックセグメンテーションモデル、複数のエンコーダーアーキテクチャをサポート

Depth Anything V2 はDPTアーキテクチャに基づく深度推定モデルで、DINOv2バックボーンネットワークを採用し、大規模な合成データと実データでトレーニングされ、精密かつロバストな深度予測を実現します。

Depth Anything V2 Small の ONNX バージョンで、Transformers.js 向けに設計されており、単眼深度推定タスクに使用されます。

Transformers.jsベースの深度推定モデルONNX版、ウェブアプリケーション向け

Transformers.jsベースの深度推定モデルで、ONNX重みバージョンに適合し、画像から深度情報を予測します。

ONNX形式の小型深度推定モデル、Transformers.jsフレームワークに適応し、ウェブ端末での深度マップ予測に適しています

MiDaSモデルをONNX形式に変換し、Unity Sentisで単眼深度推定を行う