深度学习论文: Depth Anything V2

深度学习Depth Anything V2神经网络实现单目深度估计系统源码

Depth-Anything推理详解及部署实现（上）

Depth Anything V2 是一个先进的单目深度估计模型，致力于通过合成数据和伪标签增强深度预测的精度和鲁棒性。相比于V1版本，V2通过替换所有真实标签图像为合成图像、扩大教师模型的容量以及通过伪标签训练学生模型，显著提升了深度预测的细节和场景复杂度处理能力。此外，V2模型比基于Stable Diffusion的最新模型（如Marigold）在推理速度和准确性方面表现更好，且提供多种规模的模型，适应不同应用场景。同时，研究者构建了一个新的评估基准DA-2K，以应对现有测试集的噪声和多样性不足的问题。

本篇将简单介绍单目深度估计模型，该模型旨在解决现有的深度估计模型在处理复杂场景、透明或反射物体时的性能限制。与前一代模型相比，V2版本通过采用合成图像训练、增加教师模型容量，并利用大规模伪标签现实数据进行学生模型教学，显著提高了预测精度和效率。

Depth-Anything-V2-Base-hf 模型对数据进行实时深度计算，目标检测模型，通过吊装作业数据集进行训练而成

本文提出了名为Depth Anything的实用单目深度估计（MDE）方案，旨在构建能够处理各种任务环境图像的简单而强大的基础模型。方案从三个关键维度进行优化：首先，通过数据引擎实现大规模无标注数据的收集与自动标注，显著提升数据覆盖率和降低泛化误差；其次，利用数据增广工具创造更具挑战性的优化目标，增强模型对额外视觉知识的探索能力，提升特征鲁棒性；最后，设计辅助监督信息，使模型能够继承预训练Encoder中的丰富语义先验信息。

我们尝试使用单目深度估计技术（Depth Anything V2），来进行准确的双目深度估计，并将场景转换成 3D 点云，Python 代码在最后。

项目地址：https://github.com/DepthAnything/Depth-Anything-V2模型地址：https://hf-mirror.com/depth-anything论文地址：https://arxiv.org/abs/2406.09414在较多的带雾目标检测算法中均是基于大气散射模型的逆向操作生成带雾图片，具体参考，该模式生成的带雾图片真实感较差，且与物理规则有差异（），具体效果如下图所示。然而在真实世界中，是景深越大，雾气叠加越多（

24年1月开年王炸，论文“Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data“，来自香港大学、字节、浙江实验室和浙江大学。 Depth Anything，这是一种用于鲁棒单目深度估计的解决方案。目标是建立一个简单而强大的基础模型，在任何情况下处理任何图像。当然，项目也提供了用于Finetune的预训练模型。

近日，TikTok发布一项新型AI技术“DepthAnything”，该技术由TikTok联合香港大学和浙江大学共同研发的一种先进单目深度估计（MDE）技术，能更有效地从2D图像中识别出深度信息图。基于这些深度信息图，普通的2D影像便可转化为3D影像。相比此前已有技术，“DepthAnything”在提升深度图的质量方面取得重大突破。此技术的应用将使得TikTok平台上现有的海量2D影像能够轻松转化为3D影像，让普通手机拍摄的2D影像“一键转3D”，或将大幅推进XR产业的发展。

字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。本文介绍了Depth Anything 系列成果的研发历程、技术挑战与解决方法，分享了团队对于 Scaling Laws 在单一视觉任务方面的思考。值得一提的是，Depth Anything V1 与 V2 两个版本论文一作是团队实习生。近日，字节跳动大模型团队开发的成果 Depth Anyt...

这项工作提出了Depth Anything，这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，在任何情况下处理任何图像。为此，我们通过设计一个数据引擎来收集和自动注释大规模未标记数据（～62M），从而大大扩大了数据覆盖范围，从而能够减少泛化误差，从而扩大数据集的规模。我们研究了两种简单而有效的策略，这两种策略使数据扩展更有希望。首先，通过利用数据扩充工具创建了一个更具挑战性的优化目标。它迫使模型积极寻求额外的视觉知识并获得稳健的表示。

DepthAnything是一种能在任何情况下处理任何图像的简单却又强大的深度估计模型。

本文首发于欢迎关注，近距离接触底层视觉与基础AI技术本文提出一种用于单目深度估计(Monocular Depth Estimation, MDE)的高度实用方案「致敬Segment Anything」，它旨在构建一种可以处理任务环境下任意图像的简单且强力的基础深度模型。作者在六个公开数据集与随机拍摄图片上评估了模型的zero-shot能力；通过度量深度信息微调达成新的SOTA；更优的深度模型进而引申出更优的深度引导ControlNet。