Zoedepth Kitti

🚀 ZoeDepth（在KITTI數據集上微調）

ZoeDepth是在KITTI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，並首次在此倉庫發佈。ZoeDepth模型能夠解決深度估計問題，通過結合相對深度和度量深度實現零樣本遷移，在深度估計任務中取得了先進的成果。

✨ 主要特性

• 深度估計能力：ZoeDepth擴展了DPT框架，用於度量（也稱為絕對）深度估計，能夠以實際度量值來估計深度，取得了最先進的結果。
• 零樣本遷移：可以用於零樣本單目深度估計等任務，具有良好的泛化能力。

📚 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，以實現所謂的度量（也稱為絕對）深度估計，即該模型能夠以實際度量值來估計深度。

ZoeDepth架構。取自 原論文。

預期用途和限制

可以將原始模型用於零樣本單目深度估計等任務。可查看模型中心，尋找其他感興趣任務的版本。

💻 使用示例

基礎用法

可以使用pipeline API，它為用戶簡化了複雜的操作：

from transformers import pipeline
from PIL import Image
import requests

# 加載管道
depth_estimator = pipeline(task="depth-estimation", model="Intel/zoedepth-kitti")

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

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

更多代碼示例請參考文檔。

BibTeX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

本模型採用MIT許可證。

⚠️ 重要提示

發佈ZoeDepth的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊撰寫。