Aperçu du projet

UniDepthV2 a été publié par Luigi Piccinelli et al. en février 2025. UniDepthV2 permet de reconstruire des scènes 3D métriques à partir d'une seule image, et ce, dans différents domaines. Contrairement aux paradigmes MMDE existants, UniDepthV2 prédit directement les points 3D métriques à partir de l'image d'entrée lors de l'inférence, sans nécessiter d'informations supplémentaires, afin d'obtenir une solution MMDE générale et flexible. Les résultats de l'article associé sont… UniDepthV2 : estimation de profondeur métrique monoculaire universelle simplifiée .

Ce tutoriel utilise des ressources pour une seule carte RTX 4090.

Exemples de projets

Étapes de course

1. Après avoir démarré le conteneur, cliquez sur l'adresse API pour accéder à l'interface Web

Si « Bad Gateway » s'affiche, cela signifie que le modèle est en cours d'initialisation. Étant donné que le modèle est grand, veuillez patienter environ 1 à 2 minutes et actualiser la page.

2. Une fois que vous entrez sur la page Web, vous pouvez interagir avec le modèle

Échange et discussion

🖌️ Si vous voyez un projet de haute qualité, veuillez laisser un message en arrière-plan pour le recommander ! De plus, nous avons également créé un groupe d’échange de tutoriels. Bienvenue aux amis pour scanner le code QR et commenter [Tutoriel SD] pour rejoindre le groupe pour discuter de divers problèmes techniques et partager les résultats de l'application↓

Informations sur la citation

Les informations de citation pour ce projet sont les suivantes :

@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}, 
}