# 單目深度估計

Distill-Any-Depth是一種新的SOTA單目深度估計模型，採用知識蒸餾算法訓練而成。

Distill-Any-Depth是一種基於知識蒸餾算法訓練的SOTA單目深度估計模型，能夠高效準確地進行深度估計。

DepthMaster是一個經過馴化的單步擴散模型，將擴散模型中的生成特徵定製化以適應判別式深度估計任務。

DepthPro 是一種單目深度估計模型，能夠通過單張圖像預測深度。

DepthPro 是一個用於深度估計的視覺模型，能夠從單張圖像預測場景的深度信息。

一個基於Apache-2.0許可證的單目深度估計模型，適用於野外場景的零樣本深度估計任務。

Depth Anything V2是目前最強大的單目深度估計模型，基於59.5萬張合成標註圖像和6200萬+真實無標註圖像訓練而成，具有更精細的細節和更強的魯棒性。

Depth Anything V2是目前最強大的單目深度估計(MDE)模型，基於59.5萬張合成標註圖像和6200萬+真實無標註圖像訓練而成，具有更精細的細節和更強的穩健性。

Depth Anything V2 是目前最強大的單目深度估計模型，基於59.5萬張合成標註圖像和6200萬+真實無標註圖像訓練而成，具有更精細的細節和更強的魯棒性。

Depth Anything V2是目前最強大的單目深度估計模型，基於59.5萬張合成標註圖像和6200萬+真實無標註圖像訓練而成，具有精細細節和魯棒性。

Depth-Anything-V2-Base 是一個基於 ONNX 格式的深度估計模型，適配 Transformers.js，用於在 Web 端進行圖像深度估計。

Depth Anything V2 是目前最強大的單目深度估計模型，基於大量合成和真實圖像訓練，提供精細的深度細節和高魯棒性。

Depth Anything V2是目前最強大的單目深度估計(MDE)模型，基於59.5萬張合成標註圖像與6200萬+真實無標註圖像訓練而成

Depth Anything V2 是目前性能最強的單目深度估計模型，基於大規模合成與真實圖像訓練，相比V1版本能捕捉更精細的細節且更魯棒。

Depth Anything 是一種基於 DPT 架構和 DINOv2 骨幹網絡的深度估計模型，在約 6200 萬張圖像上訓練，在相對和絕對深度估計任務中取得最先進結果。

ZoeDepth是基於NYU和KITTI數據集微調的深度估計模型，能夠以實際度量單位估計深度值。

ZoeDepth是一個用於單目深度估計的視覺模型，在KITTI數據集上進行了微調，能夠實現零樣本遷移的度量深度估計。

ZoeDepth是一個用於單目深度估計的模型，特別在NYU數據集上進行了微調，能夠實現零樣本遷移和度量深度估計。

基於潛在一致性蒸餾方法微調的單目深度估計模型，用於從單張圖像生成深度圖

基於Transformers.js的深度估計模型ONNX版本，適用於網頁端應用

基於Transformers.js的深度估計模型，適配ONNX權重版本，用於從圖像中預測深度信息。

基於ONNX格式的小型深度估計模型，適配Transformers.js框架，適用於網頁端深度圖預測

Depth Anything 是一個強大的深度估計模型，利用大規模無標籤數據釋放深度估計的潛力。

Depth Anything 是一個基於大規模無標籤數據訓練的深度估計模型，能夠從單張圖像中預測深度信息。

Depth Anything是一種深度估計模型，利用大規模無標記數據提升性能，適用於單目深度估計任務。

將 MiDaS 模型轉換為 ONNX 格式，用於在 Unity Sentis 中進行單目深度估計

基於SwinV2骨幹網絡的DPT模型，用於單目深度估計，在140萬張圖像上訓練

基於SwinV2骨幹網絡的DPT模型，用於單目深度估計，在140萬張圖像上訓練。

DPT (密集預測變換器) 模型在140萬張圖像上訓練，用於單目深度估計。該模型使用Swinv2作為骨幹網絡，適用於高精度深度預測任務。

DPT是基於BEiT骨幹網絡的密集預測變換器模型，用於單目深度估計，在140萬張圖像上訓練。

基於BEiT骨幹網絡的單目深度估計模型，能夠從單張圖像推斷詳細深度信息

基於視覺變換器(ViT)的單目深度估計模型，在140萬張圖像上訓練

GLPN模型在NYUv2數據集上訓練，用於單目深度估計，結合全局和局部路徑網絡實現高精度深度預測。

GLPN是一種用於單目深度估計的模型，採用SegFormer作為主幹網絡，頂部添加輕量級頭部進行深度預測。