描述
Depth Anything 3 (DA3) 是一个前沿模型,旨在从任意数量的视觉输入中恢复空间一致的几何,无论相机姿态是否已知。该模型基于最小建模原则,利用单个普通变换器,例如普通的 DINOv2 编码器,作为其骨干。这种方法通过专注于单一的深度光线预测目标,消除了复杂的多任务学习的需求。
阅读更多
DA3 在视觉几何领域设定了新的基准,在相机姿态精度和几何精度等任务中显著超越了之前的最先进模型。它通过教师-学生训练范式实现这些结果,使其能够有效地泛化并保持高水平的细节。该模型的能力扩展到单目深度估计,在这一领域超越了其前身 Depth Anything 2 (DA2)。
DA3 的一个关键能力是视频重建,它可以从单个或多个视图中恢复视觉空间。这在大规模场景的 SLAM 应用中尤其有用,DA3 相较于其他模型如 COLMAP 显著减少了漂移。此外,DA3 在前馈 3D 高斯估计方面表现出色,能够实现强大且可泛化的新视图合成。
DA3 还增强了来自多个相机的空间感知,提供稳定且可融合的深度图,提高了自动驾驶车辆的环境理解。该模型的多功能性通过社区策划的项目进一步得以展示,这些项目将 DA3 集成到各种 3D 工具、创意流程、机器人技术和网络/虚拟现实查看器中。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署云端
- 平台网页版
Depth Anything 3的核心功能
空间一致的几何预测
单一普通变换器骨干
深度光线预测目标
教师-学生训练范式
最先进的视觉几何基准
从任意视图进行视频重建
SLAM 性能提升
3D 高斯估计
如何使用 Depth Anything 3?
配置:设置模型与视觉输入
使用:部署 DA3 进行几何预测任务
优化:为特定应用微调参数
集成:在创意流程和机器人技术中使用
Depth Anything 3的使用案例
- 视频重建
- SLAM 增强
- 3D 视图合成
- 自动驾驶车辆
- 创意流程







