Project Icon

Depth-Anything-V2-Base

更快更精细的单目深度估计模型

Depth-Anything-V2是一款先进的单目深度估计模型,由595K合成标记图像和62M+真实未标记图像训练而成。它在细节表现、鲁棒性和效率上都超越了V1版本,处理速度比基于SD的模型快10倍。采用ViT-B架构,该模型为计算机视觉领域提供了高效的深度预测工具,尤其适用于需要精确深度信息的应用场景。

depth_anything_vitl14 - 先进的计算机视觉深度估计开源框架
Depth AnythingGithubHuggingface图像处理开源项目模型深度估计深度学习计算机视觉
depth_anything_vitl14是一个深度估计模型框架,专注于从单张图像中提取深度信息。该框架采用大规模无标记数据训练方式,具备完整的模型部署文档和Python接口。开发者可通过简单的代码调用实现图像深度估计,项目同时提供在线演示平台和技术文档支持。
unidepth-v2-vitl14 - 单目度量深度估计模型 支持多样化场景
GithubHuggingfacePyTorchUniDepth开源项目机器学习模型模型深度估计计算机视觉
UniDepth-v2-vitl14是一个基于PyTorch的单目度量深度估计模型,采用ViT-L/14架构。该模型可从单张2D图像预测场景深度,支持Hugging Face模型中心集成。UniDepth-v2-vitl14适用于计算机视觉和3D感知领域的研究与开发。
dpt-large - 基于视觉变换器的高精度单目深度估计模型
DPT-LargeGithubHuggingface单目深度估计密集预测开源项目模型视觉变换器计算机视觉
DPT-Large是一种基于视觉变换器的密集预测模型,专门用于单目深度估计。该模型在140万张图像上训练,具有优秀的零样本迁移能力。DPT-Large使用ViT作为主干网络,并增加了特定的颈部和头部结构,能够精确估计图像深度信息。在多项基准测试中,DPT-Large展现出优异性能,为计算机视觉领域的深度估计任务提供了有力支持。
dpt-beit-base-384 - 基于BEiT主干的DPT模型实现单目深度估计
DPTGithubHuggingface图像处理开源项目模型深度估计神经网络计算机视觉
DPT (Dense Prediction Transformer) 是一个基于BEiT主干的模型,专门用于单目深度估计。该模型在140万张图像上训练,可进行零样本深度估计。采用Transformer架构,具备强大的密集预测能力,能生成高质量深度图。模型可通过Python代码或pipeline API轻松使用,为计算机视觉任务提供了有力工具。
UniDepth - 单目深度测量的通用算法,兼容多种数据集
CVPR 2024GithubHugging FacePython包UniDepth开源项目深度估计
UniDepth项目提出了通用的单目深度测量方法,支持多个数据集如NYUv2、KITTI和SUN-RGBD。通过训练模型,该方法可直接从RGB图像生成深度和内参预测,无需预先深度数据。其高精度、低延迟的推理能力在多个基准测试中表现优秀。支持多种输入形状和比例,适合机器人视觉和自动驾驶等应用。
dpt-hybrid-midas - 基于Vision Transformer的单目深度估计模型
DPT-HybridGithubHuggingfaceVision Transformer单目深度估计开源项目模型深度估计计算机视觉
DPT-Hybrid-MiDaS是一款基于Vision Transformer的单目深度估计模型。该模型在140万张图像上训练,利用ViT-hybrid作为主干网络,支持零样本深度估计。在多个数据集上,DPT-Hybrid-MiDaS展现出优于传统方法的性能。这一开源模型为计算机视觉领域的研究人员和开发者提供了有力工具,可用于进一步的微调和应用开发。
zoedepth-nyu-kitti - 基于DPT框架的深度估计神经网络
GithubHuggingfaceZoeDepth图像处理开源项目模型深度估计深度学习计算机视觉
ZoeDepth-nyu-kitti是一个基于DPT框架开发的深度估计模型,通过NYU和KITTI数据集进行微调。该模型结合相对深度和度量深度估计方法,可输出实际度量值的深度数据,支持零样本单目深度估计应用。模型提供pipeline API接口,便于集成使用。通过扩展DPT框架的功能,实现了从相对深度到度量深度的转换。
dpt-beit-large-512 - BEiT架构驱动的高性能单目深度估计模型
BEiTDPTGithubHuggingfaceMiDaS单目深度估计开源项目模型计算机视觉
dpt-beit-large-512是一款基于BEiT架构的单目深度估计模型,采用512x512高分辨率在140万张图像上训练。模型能从单一图像推断详细深度信息,在多项基准测试中表现卓越。作为MiDaS v3.1系列中的佼佼者,该模型在3D重建、自动驾驶等计算机视觉任务中展现出强大的深度估计能力。
DUSt3R_ViTLarge_BaseDecoder_512_dpt - ViT架构的多分辨率3D几何视觉模型用于深度估计
DUSt3RGithubHuggingface三维视觉图像处理开源项目模型深度学习计算机视觉
该模型使用ViT-Large编码器和ViT-Base解码器构建,采用DPT结构设计。支持处理512x384至512x160等多种分辨率图像,为3D几何视觉提供简化实现方案。开发者可通过PyTorch快速部署使用,模型由NAVER开源并遵循CC BY-NC-SA 4.0许可协议。
monodepth2 - 基于自监督学习的单目深度估计实现
GithubMonodepth2PyTorch开源项目深度估计自监督学习计算机视觉
本项目提供了PyTorch实现的代码,用于训练和测试深度估计模型。代码采用自监督学习方法,支持单目和立体图像的深度预测。提供多种预训练模型和自定义数据集,兼容不同的图像分辨率。适用于研究和非商业用途,包含详细的设置指南、训练和评估说明。用户可通过此项目高效开发和优化深度估计模型。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号