UniDepthV2: تقدير العمق المتري أحادي العين العالمي

نظرة عامة على المشروع

أصدر لويجي بيتشينيلي وآخرون UniDepthV2 في فبراير 2025. يتميز UniDepthV2 بقدرته على إعادة بناء مشاهد ثلاثية الأبعاد مترية من صورة واحدة فقط عبر مختلف المجالات. بخلاف نموذج MMDE الحالي، يتنبأ UniDepthV2 مباشرةً بالنقاط ثلاثية الأبعاد المترية من الصورة المدخلة في وقت الاستدلال دون أي معلومات إضافية، سعيًا لتحقيق حل MMDE عام ومرن. نتائج البحث ذات الصلة هي:UniDepthV2: تقدير العمق المتري أحادي العين العالمي أصبح أسهل".

يستخدم هذا البرنامج التعليمي الموارد لبطاقة RTX 4090 واحدة.

أمثلة المشاريع

خطوات التشغيل

1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب

إذا تم عرض "بوابة سيئة"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.

2. بمجرد دخولك إلى صفحة الويب، يمكنك التفاعل مع النموذج

التبادل والمناقشة

🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓

معلومات الاستشهاد

معلومات الاستشهاد لهذا المشروع هي كما يلي:

@inproceedings{piccinelli2024unidepth,
    title     = { {U}ni{D}epth: Universal Monocular Metric Depth Estimation},
    author    = {Piccinelli, Luigi and Yang, Yung-Hsu and Sakaridis, Christos and Segu, Mattia and Li, Siyuan and Van Gool, Luc and Yu, Fisher},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    year      = {2024}
}

@misc{piccinelli2025unidepthv2,
      title={ {U}ni{D}epth{V2}: Universal Monocular Metric Depth Estimation Made Simpler}, 
      author={Luigi Piccinelli and Christos Sakaridis and Yung-Hsu Yang and Mattia Segu and Siyuan Li and Wim Abbeloos and Luc Van Gool},
      year={2025},
      eprint={2502.20110},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2502.20110}, 
}