lpiccinelli/unidepth-v2-vitl14
This model has been pushed to the Hub using the PytorchModelHubMixin(https://huggingface.co/docs/huggingfacehub/packagereference/mixinshuggingfacehub.PyTorchModelHubMixin) integration: - Library: https://github.com/lpiccinelli-eth/UniDepth - Docs: Mo...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#2 Repository Của Tháng
🧠 UniDepth V2: Ước lượng độ sâu 3D từ ảnh đơn mắt với độ chính xác ấn tượng
Mô hình dự đoán độ sâu 3D (metric depth) từ ảnh đơn mắt, dựa trên kiến trúc Vision Transformer.
Đây là mô hình UniDepth V2 dựa trên kiến trúc ViT-L/14, được phát triển bởi nhóm nghiên cứu từ ETH Zurich và đăng tải trên Hugging Face. Mô hình này chuyên dùng cho bài toán ước lượng độ sâu metric từ ảnh đơn mắt (monocular metric depth estimation) — một nhiệm vụ then chốt trong thị giác máy tính và thực tế ảo.
✨ Điểm nổi bật
- ViT-L/14: Kiến trúc Vision Transformer lớn, mang lại hiệu suất dự đoán độ sâu vượt trội.
- Monocular Metric Depth Estimation: Dự đoán giá trị độ sâu thực tế (metric depth) trực tiếp từ ảnh đơn mắt.
- PytorchModelHubMixin: Tích hợp sẵn với Hugging Face, dễ dàng tải về và sử dụng trong pipeline.
- Safetensors: Định dạng trọng số an toàn và hiệu quả, hỗ trợ tải nhanh.
- Hỗ trợ đa nền tảng: Chạy được trên nhiều framework nhờ mixin chuẩn từ Hugging Face.
- Miền độ sâu vạn vật lý: Áp dụng tốt cho thế giới ảo, robotics, và thị giác máy tính.
💡 Vì sao đáng chú ý
UniDepth V2 khác với các mô hình ước lượng độ sâu truyền thống ở chỗ nó kết hợp Vision Transformer mạnh mẽ với cách tiếp cận đo lường độ sâu theo thực tế (metric) — không chỉ dựa trên tương đối. Điều này giúp mô hình phù hợp với các ứng dụng đòi hỏi độ chính xác cao như tái tạo 3D, di chuyển robot, hoặc xây dựng môi trường ảo.
Nhờ sự tích hợp với PytorchModelHubMixin và định dạng safetensors, người dùng có thể dễ dàng tải và triễn khai mô hình này trong các dự án thị giác máy tính mà không cần cấu hình phức tạp.
#UniDepth #DepthEstimation #MonocularDepth #VisionTransformer #HuggingFace #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
Model Information The Meta Llama 3.1 collection of multilingual large language models (LLMs) is a collection of pretrained and instruction tuned generative models in 8B, 70B and 405B sizes (text in/text out). The Llama 3.1 instruction tuned text onl...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...
GPT-2 Test the whole generation capabilities here: https://transformer.huggingface.co/doc/gpt2-large Pretrained model on English language using a causal language modeling (CLM) objective. It was introduced in this paper(https://d4mucfpksywv.cloudfro...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Model Details Meta developed and released the Meta Llama 3 family of large language models (LLMs), a collection of pretrained and instruction tuned generative text models in 8 and 70B sizes. The Llama 3 instruction tuned models are optimized for dia...