مدل جدید Depth Anything برای تشخیص عمق
ورژن جدید این مدل که به تازگی منتشر شده در مقایسه با نسخه 1 (depth anything) پیشبینیهای عمقی بسیار دقیقتر و ظریفتری ارائه میده.
در مقایسه با مدلهای اخیر که مبتنی بر Stable #Diffusion ها بودن، Depth Anything 2 بسیار کارآمدتر (بیش از 10 برابر سریعتر) و دقیقتره. علاوه بر این، امکان اجرا در مقیاسهای مختلف (از 25 میلیون تا 1.3 میلیارد پارامتر) رو فراهم میکنه.
این مدل کلا با تصاویر ساختگی ترین شده و روش آموزش این نسخه با مدل MDE (monocular depth estimation ) قبلی که بر اساس مدل DINOv2 بود متفاوت هست. در روش قبلی مدل ابتدا فقط با تصاویر مصنوعی با کیفیت بالا آموزش داده میشد و بعدش به تصاویر واقعی بدون لیبل، برچسبهای با عمق مصنوعی اختصاص میداد. در نهایت، مدلهای جدید نسخه دوم بهطور کامل با تصاویر برچسبگذاری شده مصنوعی با دقت بالا آموزش داده میشن.
مقاله | هاگینگ فیس
@silicon_brain | از هوش مصنوعی عقب نمانید
ورژن جدید این مدل که به تازگی منتشر شده در مقایسه با نسخه 1 (depth anything) پیشبینیهای عمقی بسیار دقیقتر و ظریفتری ارائه میده.
در مقایسه با مدلهای اخیر که مبتنی بر Stable #Diffusion ها بودن، Depth Anything 2 بسیار کارآمدتر (بیش از 10 برابر سریعتر) و دقیقتره. علاوه بر این، امکان اجرا در مقیاسهای مختلف (از 25 میلیون تا 1.3 میلیارد پارامتر) رو فراهم میکنه.
این مدل کلا با تصاویر ساختگی ترین شده و روش آموزش این نسخه با مدل MDE (monocular depth estimation ) قبلی که بر اساس مدل DINOv2 بود متفاوت هست. در روش قبلی مدل ابتدا فقط با تصاویر مصنوعی با کیفیت بالا آموزش داده میشد و بعدش به تصاویر واقعی بدون لیبل، برچسبهای با عمق مصنوعی اختصاص میداد. در نهایت، مدلهای جدید نسخه دوم بهطور کامل با تصاویر برچسبگذاری شده مصنوعی با دقت بالا آموزش داده میشن.
مقاله | هاگینگ فیس
@silicon_brain | از هوش مصنوعی عقب نمانید