depth anything v2 small

提供商onnx-community
分类depth-estimation
许可证apache-2.0
下载量1.2K
星标0

简介

Depth Anything V2 Small 是一款轻量级的单目深度估计模型，旨在从单张 RGB 图像中精准还原场景的深度信息。相比前代，它在边缘锐度、空间一致性以及处理复杂背景时的鲁棒性有了显著提升。由于采用了 Small 版本且支持 ONNX 格式，该模型极大地降低了部署门槛，非常适合在端侧设备或实时性要求较高的应用中运行。对于开发者而言，它可以作为 3D 重建、自动驾驶感知或图像背景虚化等功能的底层能力，在保持较低计算开销的同时，提供接近大模型的深度感知精度。

核心亮点

  • 单图实时生成高精度深度图，边缘细节更清晰
  • 轻量化设计，适配端侧部署与低功耗设备
  • 支持 ONNX 格式，兼容多种推理框架，上手快
  • 适用于 3D 视觉增强、虚拟背景及空间分析

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("onnx-community/depth-anything-v2-small")
tokenizer = AutoTokenizer.from_pretrained("onnx-community/depth-anything-v2-small")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download onnx-community/depth-anything-v2-small

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download onnx-community/depth-anything-v2-small config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('onnx-community/depth-anything-v2-small')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/onnx-community/depth-anything-v2-small

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/onnx-community/depth-anything-v2-small

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('onnx-community/depth-anything-v2-small')
tokenizer = AutoTokenizer.from_pretrained('onnx-community/depth-anything-v2-small')

模型下载

我们推荐使用命令行或者 ModelScope SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 ModelScope：

操作指引 
pip install modelscope

命令行下载

下载完整模型库

下载完整模型库 
modelscope download --model onnx-community/depth-anything-v2-small

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例）

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例） 
modelscope download --model onnx-community/depth-anything-v2-small README.md --local_dir ./dir

更多更丰富的命令行下载选项，可参见具体文档

SDK 下载

SDK 下载 
# 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('onnx-community/depth-anything-v2-small')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://www.modelscope.cn/onnx-community/depth-anything-v2-small.git

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/onnx-community/depth-anything-v2-small.git

ModelScope 模型页直接下载模型文件；无需将模型文件放在本站服务器。

Notebook 快速开发

下载并安装 ModelScope library

下载并安装 ModelScope library 
pip install "modelscope[audio,cv,nlp,multi-modal,science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

模型加载和推理

模型加载和推理 
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline('text-generation', 'onnx-community/depth-anything-v2-small')

完整文档

来源: HuggingFace

---
base_model: depth-anything/Depth-Anything-V2-Small
library_name: transformers.js
license: apache-2.0
pipeline_tag: depth-estimation
new_version: onnx-community/depth-anything-v2-small-ONNX
---

https://huggingface.co/depth-anything/Depth-Anything-V2-Small with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

bash
npm i @huggingface/transformers

Example: Depth estimation w/ onnx-community/depth-anything-v2-small.

js
import { pipeline } from '@huggingface/transformers';


// Create depth estimation pipeline
const depth_estimator = await pipeline('depth-estimation', 'onnx-community/depth-anything-v2-small');


// Predict depth of an image
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/cats.jpg';
const { depth } = await depth_estimator(url);


// Visualize the output
depth.save('depth.png');

!image/png

---

Note: Having a separate repo for ONNX weights is intended to be a temporary solution until WebML gains more traction. If you would like to make your models web-ready, we recommend converting to ONNX using 🤗 Optimum and structuring your repo like this one (with ONNX weights located in a subfolder named onnx).

查看官方来源