Il prossimoProssima guida
Stima della profondità monoculare
IA visiva
GUIDA AI visiva
DepthAnything è un modello di base che stima la distanza di ogni pixel da una singola foto ordinaria, senza hardware speciale.
Ascolta questa guidaNarrato dall'IA · ~2 min
Ha reso il sensore di profondità robusto e a uso generale economico e accessibile per qualsiasi cosa, dai telefoni ai robot.
DepthAnything (2024, pubblicato da ricercatori tra cui quelli di TikTok/ByteDance e HKU) affronta la stima della profondità monoculare: prevedere una mappa di profondità da un'immagine RGB. La svolta è stata la scalabilità: invece di fare affidamento solo sui limitati dati di profondità etichettati disponibili, il team ha costruito un motore che etichettava automaticamente circa 62 milioni di foto senza etichetta utilizzando un modello di insegnante, quindi ha addestrato uno studente su questo enorme corpus. Ciò fornisce una forte generalizzazione a scatto zero tra scene interne, esterne e insolite. L'originale restituisce la profondità relativa (quali pixel sono più vicini o più lontani, non metri esatti). DepthAnything V2 (metà 2024) ha affinato i dettagli più fini formando l'insegnante su dati sintetici con perfetta verità sul terreno, quindi distillando in immagini reali, correggendo i bordi sfocati e gli errori degli oggetti trasparenti.
Generazione di mappe di profondità per ottenere una sfocatura dello sfondo (bokeh) realistica nelle foto di ritratti per smartphone con obiettivo singolo.
Fornire la percezione degli ostacoli 3D per droni e robot a basso costo privi di LiDAR o telecamere stereo.
Creazione di mappe di condizionamento della profondità per ControlNet in modo che i generatori di immagini preservino la geometria della scena.
Conversione di foto e filmati 2D in effetti 3D o di parallasse per display VR e stereoscopici.
Aspettatevi un’integrazione più stretta con occhiali AR, fotocamere per smartphone e robotica in cui il LiDAR dedicato è troppo costoso o ingombrante. Le varianti metriche che emettono misuratori reali, oltre ai modelli video con profondità temporalmente stabile (nessun sfarfallio tra i fotogrammi), stanno avanzando rapidamente. Man mano che questi modelli si restringono per essere eseguiti sul dispositivo in tempo reale, la percezione 3D con una singola telecamera diventerà una funzionalità predefinita, alimentando l’elaborazione spaziale, la navigazione autonoma e la ricostruzione generativa della scena 3D.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
DepthAnything è un modello di base che stima la distanza di ogni pixel da una singola foto ordinaria, senza hardware speciale. Ha reso il rilevamento della profondità robusto e generico economico e accessibile a qualsiasi cosa, dai telefoni ai robot.
Monoculare significa che la profondità viene dedotta dall'immagine di una (mono) telecamera, senza coppia stereo o sensore attivo.
Il team ha creato un motore di dati che pseudo-etichettava decine di milioni di foto senza etichetta, espandendo notevolmente la scala di formazione.
DepthAnything utilizza un codificatore DINOv2 ViT abbinato a una testa di previsione densa in stile DPT.
Il modello di base prevede l'ordinamento della profondità relativa anziché le distanze metriche assolute.
V2 ha formato l'insegnante su immagini sintetiche con profondità esatta, poi trasformate in foto reali per contorni più nitidi.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Stima della profondità monoculare
IA visiva