UniDepth

UniDepth

单目深度测量的通用算法,兼容多种数据集

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。

UniDepth深度估计CVPR 2024Python包Hugging FaceGithub开源项目

UniDepth 项目介绍

项目背景

UniDepth 是一个专注于单目度量深度估计的项目,旨在通过单个摄像机图像实现对三维空间深度信息的准确预测。项目的主要目标是提高深度估计的准确性,从而为计算机视觉领域的其它应用提供支持。UniDepth 的研究成果已被接受在 2024 年的 CVPR(国际计算机视觉与模式识别会议)上发表。

功能与特性

  • 通用型深度估计:UniDepth 支持在多种数据集和环境下进行深度估计,适用于多样化的应用场景。
  • 灵活的输入形状与尺寸:新的 UniDepthV2 版本对输入的形状和比例具有更高的灵活性。
  • 快速推理与高效解码器设计:优化的解码器设计提高了模型的推理速度,使得实时应用成为可能。
  • 预训练模型支持:模型可以直接从 Hugging Face 平台加载,并支持 ONNX 格式以用于更广泛的平台。

安装与使用

环境准备

UniDepth 推荐使用 Linux 操作系统,并需要 Python 3.10+ 和 CUDA 11.8。用户可以选择使用 Python 虚拟环境或者 conda 管理项目环境。

安装步骤

  1. 创建虚拟环境:

    export VENV_DIR=<YOUR-VENVS-DIR> export NAME=UniDepth python -m venv $VENV_DIR/$NAME source $VENV_DIR/$NAME/bin/activate

    使用 conda 的步骤:

    conda create -n $NAME python=3.11 conda activate $NAME
  2. 安装 UniDepth 和相关依赖:

    pip install -e . --extra-index-url https://download.pytorch.org/whl/cu118
  3. 运行示例代码测试安装:

    python ./scripts/demo.py

模型库

UniDepth 提供了多个预训练模型可供选择,支持不同的骨干网络:

  • UnidepthV1

    • ConvNext-L 模型
    • ViT-L 模型
  • UnidepthV2

    • ViT-S 模型
    • ViT-B 模型
    • ViT-L 模型

评测与成功案例

UniDepth 在多个基准数据集上的深度估计表现优异,特别是在 NYUv2、KITTI 等具代表性的数据集上实现了较高的性能指标。模型在提供精确的三维点云和深度估计的同时,保持了快速的计算速度。

贡献与支持

如果用户在使用中发现代码错误,欢迎将问题报告给团队。目前,项目由丰田欧洲汽车公司通过 TRACE-Zurich 项目资助。

引用与授权

如果 UniDepth 在您的研究中有所帮助,请引用以下文献:

@inproceedings{piccinelli2024unidepth, title = {{U}ni{D}epth: Universal Monocular Metric Depth Estimation}, author = {Piccinelli, Luigi and others}, booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, year = {2024} }

该项目在 Creative Commons BY-NC 4.0 许可下发布。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多