Depth Anything V2

这项工作介绍了Depth Anything V2。我们的目标不是追求花哨的技术，而是揭示关键发现，为构建强大的单目深度估计模型铺平道路。值得注意的是，与V1相比，这个版本通过三个关键实践产生了更精细和更稳健的深度预测：1）用合成图像替换所有标记的真实图像，2）扩大我们的教师模型的容量，3）通过大规模的伪标记真实图像的桥梁教授学生模型。与基于稳定扩散的最新模型相比，我们的模型更加高效（速度更快超过10倍）和更准确。我们提供不同规模的模型（参数范围从25M到1.3B），以支持广泛的场景。由于它们具有强大的泛化能力，我们使用度量深度标签对它们进行微调，以获得我们的度量深度模型。除了我们的模型，考虑到当前测试集的有限多样性和频繁噪声，我们构建了一个多功能的评估基准，具有精确的注释和多样的场景，以促进未来的研究。

本论文旨在构建一种强大的单目深度估计模型，解决深度估计领域中的问题。

本文通过三个关键实践（使用合成图像替代真实图像、增加教师模型的容量、通过大规模伪标签的真实图像教授学生模型）实现了更细致和更稳健的深度预测，同时提供了不同规模的模型来支持广泛的应用场景。

本文的模型比最新的 Stable Diffusion 模型更高效（速度提高了10倍以上）和更准确。论文提供了多种规模的模型，并使用度量深度标签进行微调。此外，论文还构建了一个多样化的评估基准来促进未来的研究。

与本文相关的研究包括 Stable Diffusion 模型以及其他深度估计模型，如 MiDaS, D3VO, SuperDepth, DeepMVS 和 PIFu。