Depth Anything Vits14

🚀 Depth Anything模型，小型版

本模型卡片對應我們的論文Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data，該模型利用大規模無標籤數據的強大能力進行深度估計。

你還可以嘗試我們的演示，並訪問我們的項目頁面。

🚀 快速開始

本部分將引導你完成模型的安裝和使用，讓你快速上手Depth Anything模型。

📦 安裝指南

首先，安裝Depth Anything包：

git clone https://github.com/LiheYoung/Depth-Anything
cd Depth-Anything
pip install -r requirements.txt

💻 使用示例

基礎用法

以下是如何運行該模型的示例代碼：

import numpy as np
from PIL import Image
import cv2
import torch

from depth_anything.dpt import DepthAnything
from depth_anything.util.transform import Resize, NormalizeImage, PrepareForNet
from torchvision.transforms import Compose

model = DepthAnything.from_pretrained("LiheYoung/depth_anything_vitl14")

transform = Compose([
        Resize(
            width=518,
            height=518,
            resize_target=False,
            keep_aspect_ratio=True,
            ensure_multiple_of=14,
            resize_method='lower_bound',
            image_interpolation_method=cv2.INTER_CUBIC,
        ),
        NormalizeImage(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
        PrepareForNet(),
    ])

image = Image.open("...")
image = np.array(image) / 255.0
image = transform({'image': image})['image']
image = torch.from_numpy(image).unsqueeze(0)

depth = model(image)

在上述代碼中，我們首先導入了必要的庫，然後加載預訓練的Depth Anything模型。接著，定義了圖像預處理的轉換操作，包括調整大小、歸一化等。最後，打開一張圖像，進行預處理並輸入到模型中，得到深度估計結果。