Résumé
DepthAnything xeetu fondation la buy xayma fu pixel bu nekk sori ci benn nataal bu amul benn aparey buñ jagleel. Defar na lu dëgër, lu yomb te mën nañu ko jëfandikoo ci lu nekk, liko dalee ci telefon wala ci robot.
DepthAnything Monocular Depth bokk na ci liggéey yiy wane ordinatër, yuy tekki wala defar ay mejaa yuñy xool ngir jàngat, liggéey ak sos lu bees.
Plongeur bu xóot
DepthAnything (2024, bi gëstukat yi génne, lu ci melni ñooñu ci TikTok / ByteDance ak HKU) dafay wax ci xayma xóotaayu monokulaar: di wax luy waaja am ci benn nataalu RGB. Li gëna am solo ci liggéey bi mooy: ludul yéem ci done yu néew yiñ am, ekip bi dafa defar benn motër buy etikete ci boppam lu tollu ci 62 milioŋ ciy nataal yuñ etiketewul, ñu jëfandikoo xeetu jàngalekat, ba noppi ñu tàggat benn ndongo ci corpus bu rëy bii. Loolu dafay joxe zero-shot bu dëgër ci biir kër yi, ci biti, ak ci seen yu wuute ak yeneen yi. Li njëkk mooy génne xóotaayu relatif bi (pixel yi gëna jege wala gëna sori, du meetar yu dëggu yi). DepthAnything V2 (diggu 2024) dafa gëna ñaw ay detay yu rafet ci tàggat jàngalekat bi ci done yu synthetik ak dëgg gu mat sëkk, ba noppi distil ci nataal yu dëggu, defar boor yu fësul ak njuumti mbir yu leer.
Gis-gis xarala
Dafay jëfandikoo enkodeer buy soppi gis-gis bu DINOv2 buy dundal boppu wax luy waaja am bu dëgër bu nuroo ak DPT. Li gëna am solo mooy distillation semi-supervisée: jàngalekat buñu tàggat ci done yuñ etikete dafay pseudo-etiketu ay milioŋ ciy nataal yuñ etiketewul, te ndongo dafay jàngee ci ñoom ñaar. V2 dafay weccoo etiketu dëgg yu am bruit ak done yu synthetik ak xóotaayu pixel-perfect, ba noppi distillewaat ci nataal yu dëggu, di moytu ñàkkum ak bruit bu xóotaayu annotation dëgg, boole ci tëye ay pexe yu fëgër.
Xam xóotaayu lépp lu xóotaayu monokulaar
DepthAnything xeetu fondation la buy xayma fu pixel bu nekk sori ci benn nataal bu amul benn aparey buñ jagleel. Defar na lu dëgër, lu yomb te mën nañu ko jëfandikoo ci lu nekk, liko dalee ci telefon wala ci robot. DepthAnything Monocular Depth bokk na ci liggéey yiy wane ordinatër, yuy tekki wala defar ay mejaa yuñy xool ngir jàngat, liggéey ak sos lu bees. Ngir tabax xam-xam bu xóot, jàppal DepthAnything Monocular Depth ni xeetu liggéey, du benn man-man: leeral njariñ yi nga bëgg, leeral xalaat yi, ba noppi tàqale li sistem bi mëna def ci anam wu wóor ak li ba leegi soxla àtteb kàngam.
Ci jëf, ekip yu am doole yiy jëfandikoo DepthAnything Monocular Depth dañuy méngale njubte gi ak dëggantaanu liggéey bi, lu ci melni kalite done yi, faraasu leeraay bi, ak méngoo etiketu. Dañuy bind kritër yu leer ngir am ndam, natt leen ci done yu dëggu ak def liggéey, ba noppi ñu baamtu ci anamu ñàkka mëna seetlu, du ci benn yoon benchmark wins. Mooy barab bi xam-xam theorie bi di soppiku nekk kàttan buy yàgg ci produit yi, ci politik yi ak ci liggéey yi.
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal. Ci jamano jooju, yelleefi nataal ak nangu mën na nekk risku yoon sudee fimu bawoo leerul. Xeetu jëf bi gëna dëgër mooy boole gaawaayu jàngat ak disipline nguur: doxal pilote, jàpp firnde, siiwal dogal yi, ak wéy di yeesal kaaraange gi ci anam wi ñuy doxalee, li jëfandikukat bi di xaar, ak sàrti sàrt yi di jëm kanam.
njeextalu pexe
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal.
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Ekipu kreatif yi mën nañu defar konsept yu gëna gaaw te duñu def lu bari ci loxo.
Ekipu kreatif yi mën nañu defar konsept yu gëna gaaw te duñu def lu bari ci loxo. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Liggéeyukaay yi mën nañu jëfandikoo siñaal nataal wala wideo yu jafewoon lool ci liggéey.
Liggéeyukaay yi mën nañu jëfandikoo siñaal nataal wala wideo yu jafewoon lool ci liggéey. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Doxal ci àdduna dëgg
Defar kàrtu xóotaayu ngir dawal flër bu dëggu (bokeh) ci nataali nataali telefon yu xarañ yu am benn lenti.
Joxe gis-gis 3D ci gaañ-gaañu ngir drone ak robot yu yomb te amul LiDAR wala kamera stéréo.
Sosal kàrtu kondisioneer xóotaayu ControlNet suko defee defarkati nataal yi baña yàq geometri seen.
Soppi nataal ak filmu 2D ci effet 3D wala parallax ngir VR ak feem stéréoskopik.
Modèlu jëfandikoo
xóotaayu lu nekk monokulaar xóotaayu ci jëf
Defar kàrtu xóotaayu ngir dawal flër bu dëggu (bokeh) ci nataali nataali telefon yu xarañ yu am benn lenti.
Defar kàrtu xóotaayu ngir dawal blur background (bokeh) ci nataali portrait smartphone yu benn lens. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bi.
xóotaayu lu nekk monokulaar xóotaayu ci jëf
Joxe gis-gis 3D ci gaañ-gaañu ngir drone ak robot yu yomb te amul LiDAR wala kamera stéréo.
Joxe gis-gis 3D gaañ-gaañu ngir drone ak robot yu yomb te amul LiDAR wala kamera stéréo Teams yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir mbir yu am solo, ba noppi topp njariñu produit ak njëgu njuumte ci diir bu gàtt.
xóotaayu lu nekk monokulaar xóotaayu ci jëf
Sosal kàrtu kondisioneer xóotaayu ControlNet suko defee defarkati nataal yi baña yàq geometri seen.
Sosal kàrtu kondisioŋu xóotaayu ControlNet suko defee generatëri nataal yi baña yàq geometri seen. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bi.
xóotaayu lu nekk monokulaar xóotaayu ci jëf
Soppi nataal ak filmu 2D ci effet 3D wala parallax ngir VR ak feem stéréoskopik.
Soppi nataal ak filmu 2D ci 3D wala efekt parallax ngir VR ak feem stereoscopic Teams yi dañuy faral di am njariñ yu gëna baax suñu joxe ay tegtal yu baax ci kanam, tëye yoonu escalation nit ngir mbir yu am solo, ba noppi topp njariñu produit ak njëgu njuumte ci diir bi.
Risk yi ak balustrade yi
Yelleefi nataal ak nangu mën na nekk risku yoon sudee fi ñu bawoo leerul.
Performance model bi mën na wuute ci leeraay bi, demographie bi ak environmaa bi.
Njuumteg positive yi mën nañu dem te kenn duko seetlu fileek xool wuñu buntu wóolu sa bopp.
Roadmap ngir samp gi
Mandargal kritërium nangug njub, woowaat ak njëgu njuumte.
Mandargal kritërium nangug njub, woowaat ak njëgu njuumte. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Saytu ak done yu méngoo ak anam yi ñuy liggéeyee dëgg.
Saytu ak done yu méngoo ak anam yi ñuy liggéeyee dëgg. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Yokk jàngat nit ngir xam fu wóorul dara wala am njeexital yu rëy.
Yokk jàngat nit ngir xam fu wóorul dara wala am njeexital yu rëy. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Toppal model drift bi nga baaxal ko ginaaw bi kamera bi wala done yi soppeekoo.
Toppal model drift bi nga baaxal ko ginaaw bi kamera bi wala done yi soppeekoo. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.