説明
Depth Anything 3(DA3)は、カメラポーズが知られているかどうかにかかわらず、任意の数の視覚入力から空間的一貫性のあるジオメトリを回復するために設計された最先端のモデルです。このモデルは、バニラDINOv2エンコーダーのような単一のプレーンなトランスフォーマーをバックボーンとして利用し、最小限のモデリングの原則に基づいて構築されています。このアプローチにより、単一の深度レイ予測ターゲットに焦点を当てることで、複雑なマルチタスク学習の必要が排除されます。
続きを読む
DA3は、カメラポーズの精度やジオメトリの精度といったタスクで、以前の最先端モデルを大幅に上回る新しいベンチマークを設定します。教師-生徒のトレーニングパラダイムを通じて、効果的に一般化し、高い詳細レベルを維持することができます。このモデルの能力は、単眼深度推定にも及び、前モデルであるDepth Anything 2(DA2)を上回ります。
DA3の重要な能力の一つは、ビデオ再構成であり、単一または複数の視点から視覚空間を回復することができます。これは、大規模なシーンにおけるSLAMのようなアプリケーションで特に有用で、DA3はCOLMAPのような他のモデルと比較してドリフトを大幅に減少させます。さらに、DA3はフィードフォワード3Dガウス推定に優れ、新しい視点合成を強力かつ一般化可能に実現します。
DA3は、複数のカメラからの空間認識を強化し、自律走行車両の環境理解を向上させる安定した融合可能な深度マップを提供します。このモデルの多様性は、DA3をさまざまな3Dツール、クリエイティブパイプライン、ロボティクス、ウェブ/VRビューワーに統合するコミュニティキュレーションプロジェクトを通じてさらに示されています。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイクラウド
- プラットフォームWeb
Depth Anything 3の主要機能
空間的一貫性のあるジオメトリ予測
単一のプレーンなトランスフォーマーバックボーン
深度レイ予測ターゲット
教師-生徒トレーニングパラダイム
最先端の視覚ジオメトリベンチマーク
任意の視点からのビデオ再構成
SLAM性能の向上
3Dガウス推定
Depth Anything 3の使い方は?
設定: 視覚入力でモデルをセットアップする
使用: ジオメトリ予測タスクにDA3を展開する
最適化: 特定のアプリケーションに合わせてパラメータを微調整する
統合: クリエイティブパイプラインやロボティクスで使用する
Depth Anything 3の使用例
- ビデオ再構成
- SLAMの強化
- 3Dビュー合成
- 自律走行車両
- クリエイティブパイプライン







