Zoedepth Nyu

🚀 ZoeDepth (在NYU數據集上微調)

ZoeDepth是在NYU數據集上進行微調的模型。它由Shariq等人在論文ZoeDepth: Zero-shot Transfer by Combining Relative and Metric Depth中提出，並首次在此倉庫中發佈。ZoeDepth模型能夠有效解決單目深度估計問題，為視覺領域的深度感知任務提供了強大的支持。

🚀 快速開始

你可以使用原始模型進行諸如零樣本單目深度估計等任務。你可以訪問模型中心，查找其他你感興趣的版本。

✨ 主要特性

• ZoeDepth擴展了用於度量（也稱為絕對）深度估計的DPT框架，取得了最先進的成果。
• 該模型能夠以實際度量值來估計深度。

📚 詳細文檔

模型描述

ZoeDepth對用於相對深度估計的DPT模型進行了調整，使其適用於所謂的度量（也稱為絕對）深度估計。這意味著該模型能夠以實際度量值來估計深度。

ZoeDepth架構。取自 原始論文。

預期用途和侷限性

你可以使用原始模型進行諸如零樣本單目深度估計等任務。你可以訪問模型中心，查找其他你感興趣的版本。

💻 使用示例

基礎用法

from transformers import pipeline
from PIL import Image
import requests

# load pipe
depth_estimator = pipeline(task="depth-estimation", model="Intel/zoedepth-nyu")

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

# inference
outputs = depth_estimator(image)
depth = outputs.depth

如需更多代碼示例，請參考文檔。

BibTeX引用和引用信息

@misc{bhat2023zoedepth,
      title={ZoeDepth: Zero-shot Transfer by Combining Relative and Metric Depth}, 
      author={Shariq Farooq Bhat and Reiner Birkl and Diana Wofk and Peter Wonka and Matthias Müller},
      year={2023},
      eprint={2302.12288},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

📄 許可證

本項目採用MIT許可證。