本文主要是介绍【从单张图像解锁深度信息】Depth Anything一种用于鲁棒单目深度估计的高度实用的解决方案,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Depth Anything是一种用于鲁棒单目深度估计的高度实用的解决方案。 在不追求新颖的技术模块的情况下,我们的目标是建立一个简单而强大的基础模型,处理任何情况下的任何图像。 为此,我们通过设计数据引擎来收集并自动注释大规模未标记数据(~62M)来扩展数据集,这显着扩大了数据覆盖范围,从而能够减少泛化误差。 我们研究了两种简单而有效的策略,使数据扩展前景光明。 首先,利用数据增强工具创建更具挑战性的优化目标。 它迫使模型主动寻求额外的视觉知识并获得稳健的表示。 其次,开发了辅助监督来强制模型从预训练的编码器继承丰富的语义先验。 我们广泛评估其零镜头能力,包括六个公共数据集和随机捕获的照片。 它表现出了令人印象深刻的泛化能力。 此外,通过使用 NYUv2 和 KITTI 的度量深度信息对其进行微调,设置了新的 SOTA。 我们更好的深度模型也会产生更好的深度调节 ControlNet。 我们的模型在此 https URL 发布。
论文:https://arxiv.org/abs/2401.10891
这项工作介绍了Depth Anything,一种在1.5百万标记图像和62百万+未标记图像的组合上进行训练,实现强大单目深度估计的实际解决方案。它成为InstantID和InvokeAI的默认深度处理器,并支持视频深度可视化。Depth Anything还提供了基于ControlNet的更精确合成,以及可用于下游高级场景理解的编码器。性能方面,与MiDaS v3.1 BEiTL-512模型相比,Depth Anything表现更好。它提供了三个规模不同的预训练模型,可用于稳健的相对深度估计。此外,该项目提供了
这篇关于【从单张图像解锁深度信息】Depth Anything一种用于鲁棒单目深度估计的高度实用的解决方案的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!