Dpt Dinov2 Large Nyu

🚀 帶有DINOv2主幹的DPT模型

本項目基於DPT（Dense Prediction Transformer）模型，採用DINOv2作為主幹網絡，能夠實現強大的深度估計功能，為視覺領域的相關應用提供了有力支持。

🚀 快速開始

與Transformers庫結合使用

from transformers import AutoImageProcessor, DPTForDepthEstimation
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("facebook/dpt-dinov2-large-nyu")
model = DPTForDepthEstimation.from_pretrained("facebook/dpt-dinov2-large-nyu")

# 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,
)

# visualize the prediction
output = prediction.squeeze().cpu().numpy()
formatted = (output * 255 / np.max(output)).astype("uint8")
depth = Image.fromarray(formatted)

✨ 主要特性

• 強大的深度估計能力：使用DPT框架並結合DINOv2作為主幹網絡，可實現高效準確的深度估計。
• 與Transformers庫兼容：可以方便地與Transformers庫結合使用，便於在不同的項目中集成。

📚 詳細文檔

模型詳情

DPT（Dense Prediction Transformer）模型採用DINOv2作為主幹網絡，該模型由Oquab等人在論文 DINOv2: Learning Robust Visual Features without Supervision 中提出。

DPT架構。取自 原論文。

參考資源

• DINOv2論文
• DPT論文

模型用途

預期用途

該模型旨在展示使用DPT框架並以DINOv2作為主幹網絡可以得到一個強大的深度估計器。

BibTeX引用信息

@misc{oquab2023dinov2,
      title={DINOv2: Learning Robust Visual Features without Supervision}, 
      author={Maxime Oquab and Timothée Darcet and Théo Moutakanni and Huy Vo and Marc Szafraniec and Vasil Khalidov and Pierre Fernandez and Daniel Haziza and Francisco Massa and Alaaeldin El-Nouby and Mahmoud Assran and Nicolas Ballas and Wojciech Galuba and Russell Howes and Po-Yao Huang and Shang-Wen Li and Ishan Misra and Michael Rabbat and Vasu Sharma and Gabriel Synnaeve and Hu Xu and Hervé Jegou and Julien Mairal and Patrick Labatut and Armand Joulin and Piotr Bojanowski},
      year={2023},
      eprint={2304.07193},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

📄 許可證

本項目採用Apache-2.0許可證。