Depth-Anything-V2

单目深度估计新突破，高精度与快速推理并重

Depth Anything V2 深度估计计算机视觉预训练模型开源项目 Github

Depth-Anything-V2是单目深度估计领域的新进展。该模型在细节表现和鲁棒性上显著优于V1版本，并在推理速度、参数量和深度精度方面超越了基于SD的模型。项目提供四种预训练模型，适用于相对和度量深度估计，可处理图像和视频。此外，发布的DA-2K基准为深度估计研究设立了新标准。

文档

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。

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。

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。

sc_depth_pl - 通过自我监督学习实现视频中的单目深度估计

ARNGithubSC-Depthmonocular depthpytorchself-supervised learning开源项目

SC-Depth项目提供了SC-DepthV1, V2和V3版本的PyTorch Lightning实现，专注于从视频中进行自我监督的单目深度估计。SC-DepthV1引入了几何一致性损失和自发现蒙板，提高了深度预测的准确性。SC-DepthV2通过引入自动矫正网络（ARN）解决了手持相机视频中大相对旋转的问题。SC-DepthV3利用外部预训练的深度估计网络，在动态场景中显著提升了单目深度估计的准确性。该项目提供了详细的安装指南、数据集组织和训练流程，支持多种数据集和自定义数据的训练。了解更多关于SC-Depth的详细信息以及其在多个挑战性数据集上的评估结果。

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。

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-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。

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。

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。

相关项目

推荐项目

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。

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。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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。

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。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com