DalšíDalší průvodce
Monokulární odhad hloubky
Vizuální AI
Vizuální průvodce AI
DepthAnything je základní model, který odhaduje, jak daleko je každý pixel od jedné běžné fotografie bez speciálního hardwaru.
Poslechněte si tento návodAI-vyprávěný · ~2 min
It made robust, general-purpose depth sensing cheap and accessible for anything from phones to robots.
DepthAnything (2024, vydané výzkumnými pracovníky včetně TikTok/ByteDance a HKU) se zabývá monokulárním odhadem hloubky: předpovídáním hloubkové mapy z jednoho RGB snímku. Jeho průlomem bylo měřítko: místo toho, aby se spoléhal pouze na omezená dostupná hloubková data, vytvořil tým motor, který automaticky označil zhruba 62 milionů neoznačených fotografií pomocí učitelského modelu a poté vyškolil studenta na tomto obrovském korpusu. To poskytuje silné zobecnění nulových záběrů pro vnitřní, venkovní a neobvyklé scény. Originál zobrazuje relativní hloubku (které pixely jsou blíže nebo dále, nikoli přesné metry). DepthAnything V2 (polovina roku 2024) vyostřil jemné detaily školením učitele o syntetických datech s dokonalou základní pravdivostí, poté destilací do skutečných obrázků, opravou rozmazaných hran a chyb průhledných objektů.
Generování hloubkových map pro realistické rozostření pozadí (bokeh) na portrétních fotografiích z chytrého telefonu s jedním objektivem.
Poskytování 3D vnímání překážek pro levné drony a roboty, které postrádají LiDAR nebo stereo kamery.
Vytváření map pro úpravu hloubky pro ControlNet, aby generátory obrázků zachovaly geometrii scény.
Převod 2D fotografií a filmů do 3D nebo paralaxových efektů pro VR a stereoskopické displeje.
Očekávejte těsnější integraci do AR brýlí, kamer smartphonů a robotiky, kde je vyhrazený LiDAR příliš nákladný nebo objemný. Metrické varianty, které poskytují skutečné metry, plus video modely s dočasně stabilní hloubkou (bez blikání mezi snímky), se rychle rozvíjejí. Vzhledem k tomu, že se tyto modely zmenšují, aby běžely na zařízení v reálném čase, 3D vnímání z jedné kamery se stane výchozí funkcí, která bude podporovat prostorové výpočty, autonomní navigaci a generativní rekonstrukci 3D scény.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
DepthAnything je základní model, který odhaduje, jak daleko je každý pixel od jedné běžné fotografie bez speciálního hardwaru. Robustní, univerzální hloubkové snímání bylo levné a dostupné pro cokoli od telefonů po roboty.
Monokulární znamená, že hloubka je odvozena z jednoho (mono) obrazu kamery, bez stereo páru nebo aktivního senzoru.
Tým vytvořil datový stroj, který pseudooznačil desítky milionů neoznačených fotografií, čímž se dramaticky rozšířil rozsah školení.
DepthAnything používá kodér DINOv2 ViT spárovaný s hustou predikční hlavou ve stylu DPT.
Základní model předpovídá uspořádání relativní hloubky spíše než absolutní metrické vzdálenosti.
V2 vyškolila učitele na syntetických obrazech s přesnou hloubkou, poté se destilovala na skutečné fotografie pro ostřejší hranice.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Monokulární odhad hloubky
Vizuální AI