AIbase
TW
模型選型
標籤
視覺場景理解

# 視覺場景理解

Distill Any Depth Large Hf
MIT
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。
3D視覺 Transformers
D
xingyang1
2,322
2
Distill Any Depth Small Hf
MIT
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。
3D視覺 Transformers
D
xingyang1
1,214
3
Llava SpaceSGG
Apache-2.0
LLaVA-SpaceSGG是基於LLaVA-v1.5-13b的視覺問答模型，專注於場景圖生成任務，能夠理解圖像內容並生成結構化場景描述。
文本生成圖像 Safetensors 英語
L
wumengyangok
36
0
Depth Anything Vits14
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。
3D視覺 Transformers
D
LiheYoung
8,130
6
Dpt Dinov2 Giant Nyu
Apache-2.0
採用DINOv2作為骨幹網絡的DPT模型，用於單目深度估計任務
3D視覺 Transformers
D
facebook
29
1
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase