速度提升10倍以上！Depth Anything V2：更稳健、精细的单目深度估计（HKU&TikTok）

文章预览

来源：3D视觉之心 本文介绍了Depth Anything V2。不追求花哨的技术，而是旨在揭示关键发现，为构建强大的单目深度估计模型铺平道路。值得注意的是，与V1相比，本版本通过三项关键实践产生了更精细、更稳健的深度预测：1) 将所有带标签的真实图像替换为合成图像；2) 扩大教师模型的容量；3) 通过大规模伪标签真实图像的桥梁来教授学生模型。与基于Stable Diffusion的最新模型相比，我们的模型在效率（速度快10倍以上）和准确性上都显著提高。我们提供了不同规模（参数范围从25M到1.3B）的模型，以支持广泛的场景。得益于它们强大的泛化能力，我们使用度量深度标签对其进行微调，以获得我们的度量深度模型。除了我们的模型外，考虑到当前测试集的有限多样性和频繁噪声，我们还构建了一个具有精确注释和多样化场景的多功能评估基准，以促进 ………………………………