メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

DepthPro2

AI モデルAIモデルとLLMオープンソース · Hugging Face

DepthPro2は、Appleが開発したメトリック単眼深度推定のためのAIモデルです。単一の写真、動画、またはライブフィードから、フル解像度で各ピクセルの深度を正確に計算します。このモデルは、物体のエッジでシャープな深度を生成し、フレーム間で時間的一貫性を維持するように設計されており、さまざまなコンピュータビジョンアプリケーションに適しています。

モデルを見る
共有
モデルを見る
共有

DepthPro2は、正確なメトリック単眼深度推定のためにAppleが設計した高度なAIモデルです。このモデルは、単一の写真、全体の動画シーケンス、ライブカメラフィードなど、さまざまな視覚入力を処理し、入力のネイティブ解像度で各ピクセルの深度情報を生成します。DepthPro2の主な強みは、特に物体のエッジ周辺でシャープな深度推定を提供し、優れた時間的一貫性を維持する能力にあります。これにより、動画コンテンツのフレーム間で安定した深度測定が保証されます。

続きを読む

このモデルは、速度と精度に対する特定のニーズに基づいてユーザーが選択できるように、各モデルサイズごとに独自のリポジトリと重みを持つ複数のサイズで利用可能です。大きなモデル(L、H+)は、よりシャープで安定した深度結果を提供し、小さなバージョン(S、B)は、より迅速な処理を優先します。すべてのDepthPro2モデルは、焦点距離が提供されていない場合に自動的に焦点距離を予測する共有焦点距離推定器「apple/DepthPro2-focal」を統合しており、モデルの柔軟性を高めています。

DepthPro2は、複数のフレームを共同で処理するマルチビュー変換器アーキテクチャを採用しています。この変換器は、初期ブロックの後に個々のフレーム内およびフレーム間で注意メカニズムを交互に切り替えます。DPTデコーダーは、さまざまなブロックからトークンを組み合わせて異なる解像度(入力解像度の1/32から1/4)で特徴マップを生成し、各フレームの逆深度マップを予測します。この高度な方法論により、DepthPro2は、SintelやSpringなどのデータセットにおいて、シャープさ(Boundary F1スコアで測定)と時間的一貫性(ジッターで測定)の両方で以前の作業を上回ることができます。

DepthPro2は、Apple Machine Learning Research Modelライセンスの下でリリースされており、非商業的な科学研究および学術開発のための使用が許可されています。これにより、高度な深度推定技術を探求する研究者や開発者にとって貴重なリソースとなります。このモデルはHugging Faceにホストされており、ユーザーはファイルをダウンロードし、探索し、実行することができ、画像および動画処理のためのクイックスタート例も提供されています。深度は、空のような無限に遠いシーンでは無限と見なされることに注意することが重要です。

  • 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Hugging Face

  • メトリック単眼深度推定

  • 単一の写真、動画、ライブフィードを処理

  • フル解像度の深度出力

  • 物体のエッジでのシャープな深度

  • フレーム間での時間的一貫性のある深度

  • 複数のモデルサイズ(S、B、L、H+)で利用可能

  • 統合された焦点距離推定器

  • マルチビュー変換器アーキテクチャ

  • 逆深度マップ予測のためのDPTデコーダー

  • シャープさと時間的一貫性で以前の作業を上回る

  • 研究用ライセンスのみ

  • コマンドラインおよびライブフィードの例が利用可能

  • 簡単にアクセスできるHugging Faceにホスト

  1. モデルにアクセス: Hugging FaceのDepthPro2ページにアクセスします。

  2. モデルサイズを選択: パフォーマンスニーズに基づいて希望のモデルサイズ(S、B、L、H+)を選択します。

  3. 重みをダウンロード: リポジトリから特定のモデルの重みをダウンロードします。

  4. 環境を設定: 必要な依存関係で開発環境を準備します。

  5. コードを介して統合: 画像または動画処理のための提供されたコード例を使用します。

  6. 推論を実行: 入力データに対してモデルを実行し、深度マップを生成します。

  • ロボティクスナビゲーション
  • 拡張現実(AR)
  • 3D再構築
  • 自律走行車
  • 医療画像分析
  • ビデオ監視
  • コンテンツ制作

Apple の製品

DepthPro2 のレビュー

読み込み中...

DepthPro2 に似た人気のAIツール

DepthPro2-focal

AI モデル

DepthPro2-focalは、Appleが開発した単眼深度推定用のAIモデルです。2350万のパラメータを特徴とし、写真や動画からシャープで時間的一貫性のあるメトリック深度を提供するように設計されています。このモデルは、焦点距離を独立して推定できるため、事前の焦点距離情報を必要とせず、さまざまな視覚コンテンツに対応できます。

AIモデルとLLM
ツールを見る

AI モデル

Appleが開発した単眼深度推定用のAIモデルです。2350万のパラメータを特徴とし、写真や動画からシャープで時間的一貫性のあるメトリック深度を提供するように設計されています。このモデルは、焦点距離を独立して推定できるため、事前の焦点距離情報を必要とせず、さまざまな視覚コンテンツに対応できます。DepthPro2-focalは、Appleが開発した単眼深度推定用のAIモデルです。2350万のパラメータを特徴とし、写真や動画からシャープで時間的一貫性のあるメトリック深度を提供するように設計されています。このモデルは、焦点距離を独立して推定できるため、事前の焦点距離情報を必要とせず、さまざまな視覚コンテンツに対応できます。

AIモデルとLLM
AI モデル トップ5を見る

Depth Anything 3

AI アプリ

Depth Anything 3は、視覚入力から空間的一貫性のあるジオメトリを予測するモデルです。カメラポーズ推定や単眼深度推定を含む視覚ジオメトリタスクで最先端の結果を達成するために、深度レイ表現を用いたプレーンなトランスフォーマーを使用しています。

AIモデルとLLM
ツールを見る

AI アプリ

視覚入力から空間的一貫性のあるジオメトリを予測するモデルです。カメラポーズ推定や単眼深度推定を含む視覚ジオメトリタスクで最先端の結果を達成するために、深度レイ表現を用いたプレーンなトランスフォーマーを使用しています。Depth Anything 3は、視覚入力から空間的一貫性のあるジオメトリを予測するモデルです。カメラポーズ推定や単眼深度推定を含む視覚ジオメトリタスクで最先端の結果を達成するために、深度レイ表現を用いたプレーンなトランスフォーマーを使用しています。

AIモデルとLLM
AI アプリ トップ250を見る

SmolVLM2は、さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。

AIモデルとLLM
ツールを見る

さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。SmolVLM2は、さまざまなデバイスで効率的に動作するように設計された高度なビデオ理解モデルです。ビデオ分析と視覚的推論の能力を強化し、異なるプラットフォームでのビデオ理解を可能にします。

AIモデルとLLM
AI モデル トップ5を見る

LTX-2.5は、さまざまな入力から同期された高忠実度のビデオとオーディオを生成するために設計されたオープンワールドモデルです。ローカル実行のための完全な制御とカスタマイズを提供し、LTX-2.xコミュニティライセンスの下で商業および制作利用に適しています。

AIモデルとLLM
ツールを見る

さまざまな入力から同期された高忠実度のビデオとオーディオを生成するために設計されたオープンワールドモデルです。ローカル実行のための完全な制御とカスタマイズを提供し、LTX-2.xコミュニティライセンスの下で商業および制作利用に適しています。LTX-2.5は、さまざまな入力から同期された高忠実度のビデオとオーディオを生成するために設計されたオープンワールドモデルです。ローカル実行のための完全な制御とカスタマイズを提供し、LTX-2.xコミュニティライセンスの下で商業および制作利用に適しています。

注目AIモデルとLLM
AI モデル トップ5を見る

DepthFlow AI

AI アプリ

DepthFlow AIは、静的な2D画像を没入型の3D深度モーションビデオに変換するオンラインツールです。AI深度推定を使用して、ソーシャルメディア、プレゼンテーション、クリエイティブプロジェクトのために視差と動きを追加します。

AI動画生成ツール
ツールを見る

AI アプリ

静的な2D画像を没入型の3D深度モーションビデオに変換するオンラインツールです。AI深度推定を使用して、ソーシャルメディア、プレゼンテーション、クリエイティブプロジェクトのために視差と動きを追加します。DepthFlow AIは、静的な2D画像を没入型の3D深度モーションビデオに変換するオンラインツールです。AI深度推定を使用して、ソーシャルメディア、プレゼンテーション、クリエイティブプロジェクトのために視差と動きを追加します。

AI動画生成ツール
AI アプリ トップ250を見る

Meta Segment Anything Model 2 (SAM 2) は、画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。

AIモデルとLLM
ツールを見る

画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。Meta Segment Anything Model 2 (SAM 2) は、画像と動画に対応した統合セグメンテーションモデルです。クリック、ボックス、マスクによる高速かつ正確なオブジェクト選択を可能にし、多様なアプリケーションで堅牢なゼロショット性能とリアルタイムインタラクティビティを提供します。

AIモデルとLLM
AI モデル トップ5を見る

Xception

AI モデル

Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。

AIモデルとLLM
ツールを見る

AI モデル

Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。

AIモデルとLLM
AI モデル トップ5を見る

Llama-3.2-11B-Vision-Instructは、視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。

AIモデルとLLM
ツールを見る

視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。Llama-3.2-11B-Vision-Instructは、視覚認識、画像推論、キャプショニングのために設計されたマルチモーダルAIモデルです。Metaによって開発され、テキストと画像の入力を統合して高度な画像理解能力を提供します。

AIモデルとLLM
AI モデル トップ5を見る
1 / 8