Ijinle Ohunkohun Ijinle Monocular
DepthAnything jẹ awoṣe ipilẹ ti o ṣe iṣiro bawo ni gbogbo ẹbun ṣe jinna si fọto lasan kan, laisi ohun elo pataki.
Akopọ
It made robust, general-purpose depth sensing cheap and accessible for anything from phones to robots.
Jin Dive
DepthAnything (2024, ti a tu silẹ nipasẹ awọn oniwadi pẹlu awọn ti o wa ni TikTok/ByteDance ati HKU) koju iṣiro ijinle monocular: asọtẹlẹ maapu ijinle lati aworan RGB kan. Aṣeyọri rẹ jẹ iwọn: dipo gbigbekele nikan lori data ijinle ti o lopin ti o wa, ẹgbẹ naa kọ ẹrọ kan ti o ṣe aami-laifọwọyi ni aijọju miliọnu 62 awọn fọto ti ko ni aami ni lilo awoṣe olukọ, lẹhinna kọ ọmọ ile-iwe kan lori koposi nla yii. Eyi n funni ni gbogbogboo-shot odo ti o lagbara kọja inu ile, ita gbangba, ati awọn iwoye dani. Atilẹba ṣe abajade ijinle ojulumo (eyi ti awọn piksẹli sunmọ tabi jinna, kii ṣe awọn mita deede). DepthAnything V2 (aarin-2024) didasilẹ awọn alaye ti o dara nipasẹ ikẹkọ olukọ lori data sintetiki pẹlu otitọ-ilẹ pipe, lẹhinna distilling si awọn aworan gidi, titọ awọn egbegbe blurry ati awọn aṣiṣe ohun-sihin.
Imọ-imọ-ẹrọ
O nlo koodu koodu oniyipada iran DINOv2 ti n fun ori asọtẹlẹ ipon ara DPT kan. Ẹtan bọtini jẹ distillation ologbele-abojuto: olukọ ti o ni ikẹkọ lori awọn aami afọwọsi data ti a fi aami si awọn miliọnu awọn aworan ti ko ni aami, ati pe ọmọ ile-iwe kọ ẹkọ lati awọn mejeeji. V2 paarọ awọn aami alariwo gidi fun data sintetiki pẹlu ijinle pipe-pipe, lẹhinna distills pada si awọn fọto gidi, titọ aito ati ariwo ti awọn asọye ijinle gidi lakoko titọju awọn aala agaran.
Ipa Ilana
Iyara ati iwọn
Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
Kọ awọn yiyan
Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ojo iwaju ti Ijinle Ohunkohun Ijinle Monocular
Reti isọdọkan wiwọ sinu awọn gilaasi AR, awọn kamẹra foonuiyara, ati awọn ẹrọ roboti nibiti LiDAR ti yasọtọ jẹ idiyele pupọ tabi olopobobo. Awọn iyatọ metric ti o ṣe agbejade awọn mita otitọ, pẹlu awọn awoṣe fidio pẹlu ijinle iduroṣinṣin igba diẹ (ko si flicker laarin awọn fireemu), nlọsiwaju ni iyara. Bii awọn awoṣe wọnyi ṣe dinku lati ṣiṣẹ lori ẹrọ ni akoko gidi, iwoye 3D kamẹra kan ṣoṣo yoo di agbara aifọwọyi, ṣiṣe iširo aye, lilọ kiri adase, ati atunkọ iṣẹlẹ 3D ipilẹṣẹ.
Real-World imuse
Ṣiṣẹda awọn maapu ijinle lati wakọ blur isale ojulowo (bokeh) ni awọn fọto aworan iwoye-lẹnsi ẹyọkan.
Pese akiyesi idiwọ 3D fun awọn drones kekere ati awọn roboti ti ko ni LiDAR tabi awọn kamẹra sitẹrio.
Ṣiṣẹda awọn maapu imuduro ijinle fun ControlNet nitorinaa awọn olupilẹṣẹ aworan ṣe itọju geometry iṣẹlẹ.
Yiyipada awọn fọto 2D ati awọn fiimu sinu 3D tabi awọn ipa parallax fun VR ati awọn ifihan stereoscopic.
Awọn ewu & Awọn ọna iṣọ
Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Ilana Ilana imuse
Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the DepthAnything Monocular Depth quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Iṣiro Ijinle Monocular
Awọn ibeere ti a beere nigbagbogbo
What is DepthAnything Monocular Depth?
DepthAnything jẹ awoṣe ipilẹ ti o ṣe iṣiro bawo ni gbogbo ẹbun ṣe jinna si fọto lasan kan, laisi ohun elo pataki. O jẹ ki o logan, ijinle idi-gbogbooye ni oye olowo poku ati wiwọle fun ohunkohun lati awọn foonu si awọn roboti.
Kini iṣiro ijinle 'monocular' tumọ si?
Monocular tumo si ijinle jẹ imọran lati aworan kamẹra kan (mono), laisi bata sitẹrio tabi sensọ lọwọ.
Kini ilana akọkọ ti DepthAnything fun iyọrisi gbogbogbo ti o lagbara?
Ẹgbẹ naa kọ ẹrọ data kan ti o jẹ aami atansọ ti awọn mewa ti awọn miliọnu awọn fọto ti ko ni aami, ti o pọ si iwọn ikẹkọ lọpọlọpọ.
Egungun ẹhin wo ni DepthAnything kọ lori?
DepthAnything nlo koodu koodu DINOv2 ViT kan ti a so pọ pẹlu ori asọtẹlẹ ipon ara DPT kan.
Iru ijinle wo ni DepthAnything atilẹba ṣe jade ni akọkọ?
Awoṣe ipilẹ ṣe asọtẹlẹ pipaṣẹ ijinle ibatan kuku ju awọn ijinna metric pipe lọ.
Bawo ni DepthAnything V2 ṣe ilọsiwaju awọn alaye ti o dara ati awọn egbegbe?
V2 ṣe ikẹkọ olukọ lori awọn aworan sintetiki pẹlu ijinle gangan, lẹhinna distilled si awọn fọto gidi fun awọn aala didan.