Coreml Depth Anything Small

🚀 深度任意Core ML模型

深度任意（Depth Anything）模型由李赫·楊（Lihe Yang）等人在論文《深度任意：釋放大規模無標籤數據的力量》中提出，並首次在此倉庫中發佈。該模型可用於深度估計，藉助大規模無標籤數據取得了出色的深度估計效果。

✨ 主要特性

• 架構先進：深度任意模型採用了DPT架構，並以DINOv2作為骨幹網絡。
• 數據豐富：模型在約6200萬張圖像上進行訓練，在相對和絕對深度估計方面均取得了最先進的成果。

📚 詳細文檔

模型描述

深度任意模型利用DPT架構和DINOv2骨幹網絡。該模型在約6200萬張圖像上進行訓練，在相對和絕對深度估計方面都取得了最先進的結果。

深度任意概述。取自原論文。

評估 - 變體

評估 - 推理時間

以下結果使用的是小浮點16變體。

📦 安裝指南

安裝 huggingface-cli

brew install huggingface-cli

下載 .mlpackage 文件夾

要將其中一個 .mlpackage 文件夾下載到 models 目錄：

huggingface-cli download \
  --local-dir models --local-dir-use-symlinks False \
  apple/coreml-depth-anything-small \
  --include "DepthAnythingSmallF16.mlpackage/*"

若要下載所有內容，可省略 --include 參數。

💻 使用示例

集成到Swift應用程序

huggingface/coreml-examples 倉庫包含了 coreml-depth-anything-small 和其他模型的示例Swift代碼。請參閱那裡的說明來構建演示應用程序，該應用程序展示瞭如何在你自己的Swift應用程序中使用該模型。

📄 許可證

本項目採用Apache 2.0許可證。