Depth Anything：释放大规模无标签数据的潜力

本文提出Depth Anything，一种高效实用的鲁棒单目深度估计解决方案。我们并未追求新颖的技术模块，而是致力于构建一个简单却强大的基础模型，能够应对任意图像在任何场景下的深度估计任务。为此，我们设计了一套数据引擎，用于收集并自动标注大规模未标注数据（约6200万张），显著扩展了数据覆盖范围，从而有效降低模型的泛化误差。我们探索了两种简单但高效的数据扩展策略，使大规模数据训练成为可能：其一，利用数据增强工具构建更具挑战性的优化目标，促使模型主动挖掘额外的视觉知识，获得更鲁棒的特征表示；其二，引入辅助监督机制，引导模型从预训练编码器中继承丰富的语义先验信息。我们对模型的零样本泛化能力进行了全面评估，涵盖六个公开数据集及随机拍摄的图像，结果展现出出色的泛化性能。进一步地，通过在NYUv2和KITTI数据集的度量深度信息上进行微调，模型取得了新的SOTA（State-of-the-Art）水平。此外，我们所构建的更优深度模型也显著提升了深度条件控制网络（depth-conditioned ControlNet）的性能。相关模型已开源，访问地址为：https://github.com/LiheYoung/Depth-Anything。