Depth Anything V2 Base

🚀 深度任意模型V2基礎版

深度任意模型V2（Depth Anything V2）是用於深度估計的模型，它基於大量合成和真實圖像進行訓練，在單目深度估計任務中表現出色，具有細節豐富、性能穩健、高效輕量等優勢。

🚀 快速開始

深度任意模型V2基於595K合成標註圖像和6200萬+真實無標註圖像進行訓練，為單目深度估計（MDE）提供了強大的解決方案。

✨ 主要特性

• 相較於深度任意模型V1，具有更精細的細節。
• 比深度任意模型V1和基於穩定擴散（SD）的模型（如Marigold、Geowizard）更穩健。
• 比基於SD的模型更高效（快10倍）、更輕量。
• 使用預訓練模型進行微調，能獲得出色的性能。

📦 安裝指南

git clone https://huggingface.co/spaces/depth-anything/Depth-Anything-V2
cd Depth-Anything-V2
pip install -r requirements.txt

💻 使用示例

基礎用法

首先，下載模型並將其放在checkpoints目錄下。

import cv2
import torch

from depth_anything_v2.dpt import DepthAnythingV2

model = DepthAnythingV2(encoder='vitb', features=128, out_channels=[96, 192, 384, 768])
model.load_state_dict(torch.load('checkpoints/depth_anything_v2_vitb.pth', map_location='cpu'))
model.eval()

raw_img = cv2.imread('your/image/path')
depth = model.infer_image(raw_img) # HxW raw depth map

📄 許可證

本項目採用CC BY-NC 4.0許可證。

📚 引用說明

如果您覺得本項目有用，請考慮引用以下文獻：

@article{depth_anything_v2,
  title={Depth Anything V2},
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Zhao, Zhen and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  journal={arXiv:2406.09414},
  year={2024}
}

@inproceedings{depth_anything_v1,
  title={Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data}, 
  author={Yang, Lihe and Kang, Bingyi and Huang, Zilong and Xu, Xiaogang and Feng, Jiashi and Zhao, Hengshuang},
  booktitle={CVPR},
  year={2024}
}