🚀 带有DINOv2主干的DPT模型
本项目基于DPT(Dense Prediction Transformer)模型,采用DINOv2作为主干网络,能够实现强大的深度估计功能,为视觉领域的相关应用提供了有力支持。
🚀 快速开始
与Transformers库结合使用
from transformers import AutoImageProcessor, DPTForDepthEstimation
import torch
import numpy as np
from PIL import Image
import requests
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
image_processor = AutoImageProcessor.from_pretrained("facebook/dpt-dinov2-large-nyu")
model = DPTForDepthEstimation.from_pretrained("facebook/dpt-dinov2-large-nyu")
inputs = image_processor(images=image, return_tensors="pt")
with torch.no_grad():
outputs = model(**inputs)
predicted_depth = outputs.predicted_depth
prediction = torch.nn.functional.interpolate(
predicted_depth.unsqueeze(1),
size=image.size[::-1],
mode="bicubic",
align_corners=False,
)
output = prediction.squeeze().cpu().numpy()
formatted = (output * 255 / np.max(output)).astype("uint8")
depth = Image.fromarray(formatted)
✨ 主要特性
- 强大的深度估计能力:使用DPT框架并结合DINOv2作为主干网络,可实现高效准确的深度估计。
- 与Transformers库兼容:可以方便地与Transformers库结合使用,便于在不同的项目中集成。
📚 详细文档
模型详情
DPT(Dense Prediction Transformer)模型采用DINOv2作为主干网络,该模型由Oquab等人在论文 DINOv2: Learning Robust Visual Features without Supervision 中提出。

DPT架构。取自 原论文。
参考资源
模型用途
预期用途
该模型旨在展示使用DPT框架并以DINOv2作为主干网络可以得到一个强大的深度估计器。
BibTeX引用信息
@misc{oquab2023dinov2,
title={DINOv2: Learning Robust Visual Features without Supervision},
author={Maxime Oquab and Timothée Darcet and Théo Moutakanni and Huy Vo and Marc Szafraniec and Vasil Khalidov and Pierre Fernandez and Daniel Haziza and Francisco Massa and Alaaeldin El-Nouby and Mahmoud Assran and Nicolas Ballas and Wojciech Galuba and Russell Howes and Po-Yao Huang and Shang-Wen Li and Ishan Misra and Michael Rabbat and Vasu Sharma and Gabriel Synnaeve and Hu Xu and Hervé Jegou and Julien Mairal and Patrick Labatut and Armand Joulin and Piotr Bojanowski},
year={2023},
eprint={2304.07193},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
📄 许可证
本项目采用Apache-2.0许可证。