Hugging Face's logo

Transformers documentation

Depth Anything V2

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.22.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

이 모델은 2024-06-13에 HF papers에 게시되었으며, 2024-07-05에 Hugging Face Transformers에 기여되었습니다.

Depth Anything V2

개요

Depth Anything V2는 Lihe Yang 외 연구진이 발표한 동명의 논문에서 소개되었습니다. 기존 Depth Anything 모델과 동일한 아키텍처를 사용하지만, 합성 데이터와 더 큰 용량의 teacher 모델을 활용하여 훨씬 정밀하고 견고한 깊이 예측을 수행합니다.

해당 논문의 초록은 다음과 같습니다:

본 연구에서는 Depth Anything V2를 소개합니다. 화려한 기법을 추구하기보다, 강력한 단안 깊이 추정 모델을 구축하기 위한 중요한 발견을 제시하는 것을 목표로 합니다. 특히 V1과 비교할 때, 이 버전은 세 가지 핵심 관행을 통해 훨씬 더 정밀하고 견고한 깊이 예측을 생성합니다: 1) 모든 라벨이 붙은 실제 이미지를 합성 이미지로 대체, 2) teacher 모델의 용량 확장, 3) 대규모 의사 라벨이 붙은 실제 이미지를 매개로 student 모델 학습. Stable Diffusion을 기반으로 구축된 최신 모델과 비교할 때, 우리의 모델은 훨씬 더 효율적(10배 이상 빠름)이고 정확합니다. 다양한 시나리오를 지원하기 위해 다양한 규모(25M에서 1.3B 파라미터 범위)의 모델을 제공합니다. 이러한 모델의 강력한 일반화 능력을 활용하여, metric depth 라벨로 fine-tuning하여 metric depth 모델을 획득했습니다. 또한, 현재 테스트 세트의 제한된 다양성과 빈번한 노이즈를 고려하여, 정밀한 주석과 다양한 장면으로 구성된 범용 평가 벤치마크를 구축하여 향후 연구를 촉진합니다.

drawing Depth Anything overview. Taken from the original paper.

Depth Anything 모델은 nielsr에 의해 기여되었습니다. 원본 코드는 여기에서 찾을 수 있습니다.

사용 예시

Depth Anything V2를 사용하는 주요 방법은 두 가지입니다. 모든 복잡성을 추상화해 주는 pipeline API를 사용하는 방법과, DepthAnythingForDepthEstimation 클래스를 직접 사용하는 방법입니다.

Pipeline API

pipeline을 사용하면 몇 줄의 코드로 모델을 사용할 수 있습니다:

import requests
from PIL import Image

from transformers import pipeline


# load pipe
pipe = pipeline(task="depth-estimation", model="depth-anything/Depth-Anything-V2-Small-hf")

# load image
url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

# inference
depth = pipe(image)["depth"]

모델 직접 사용

전처리와 후처리를 직접 수행하려면 다음 방법을 사용할 수 있습니다:

import requests
import torch
from PIL import Image

from transformers import AutoImageProcessor, AutoModelForDepthEstimation


url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

image_processor = AutoImageProcessor.from_pretrained("depth-anything/Depth-Anything-V2-Small-hf")
model = AutoModelForDepthEstimation.from_pretrained("depth-anything/Depth-Anything-V2-Small-hf", device_map="auto")

# prepare image for the model
inputs = image_processor(images=image, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model(**inputs)

# interpolate to original size and visualize the prediction
post_processed_output = image_processor.post_process_depth_estimation(
    outputs,
    target_sizes=[(image.height, image.width)],
)

predicted_depth = post_processed_output[0]["predicted_depth"]
depth = (predicted_depth - predicted_depth.min()) / (predicted_depth.max() - predicted_depth.min())
depth = depth.detach().cpu().numpy() * 255
depth = Image.fromarray(depth.astype("uint8"))

리소스

Depth Anything를 시작하는 데 도움이 되는 공식 Hugging Face 및 커뮤니티(🌎로 표시) 리소스 목록입니다.

여기에 포함할 리소스를 제출하고 싶으시면 Pull Request를 열어 주시면 검토하겠습니다! 기존 리소스와 중복되지 않고 새로운 것을 보여주는 것이 이상적입니다.

DepthAnythingConfig

class transformers.DepthAnythingConfig

< >

( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonepatch_size: int | list[int] | tuple[int, int] = 14initializer_range: float = 0.02reassemble_hidden_size: int = 384reassemble_factors: list[int | float] | tuple[int | float, ...] = (4, 2, 1, 0.5)neck_hidden_sizes: list[int] | tuple[int, ...] = (48, 96, 192, 384)fusion_hidden_size: int = 64head_in_index: int = -1head_hidden_size: int = 32depth_estimation_type: str = 'relative'max_depth: int | None = 1 )

매개변수

  • backbone_config (Union[dict, ~configuration_utils.PreTrainedConfig], 선택) — backbone 모델의 설정입니다.
  • patch_size (Union[int, list[int], tuple[int, int]], 선택 사항, 기본값 14) — 각 패치의 크기(해상도)입니다.
  • initializer_range (float, 선택 사항, 기본값 0.02) — 모든 가중치 행렬을 초기화하는 truncated_normal_initializer의 표준 편차입니다.
  • reassemble_hidden_size (int, 선택 사항, 기본값 384) — reassemble 레이어의 입력 채널 수입니다.
  • reassemble_factors (list[int], 선택 사항, 기본값 [4, 2, 1, 0.5]) — reassemble 레이어의 업/다운샘플링 계수입니다.
  • neck_hidden_sizes (list[str], 선택 사항, 기본값 [48, 96, 192, 384]) — 백본의 feature map을 투영할 hidden size입니다.
  • fusion_hidden_size (int, 선택 사항, 기본값 64) — 퓨전 이전의 채널 수입니다.
  • head_in_index (int, 선택 사항, 기본값 -1) — 깊이 추정 헤드에서 사용할 특징의 인덱스입니다.
  • head_hidden_size (int, 선택 사항, 기본값 32) — 깊이 추정 헤드(second convolution)의 두 번째 컨볼루션에서 출력 채널의 수입니다.
  • depth_estimation_type (str, 선택 사항, 기본값 "relative") — 사용할 깊이 추정 유형입니다. ["relative", "metric"] 중 하나를 지정할 수 있습니다.
  • max_depth (float, 선택) — “metric” 깊이 추정 헤드에 사용할 최대 깊이입니다. 실내 모델에는 20, 실외 모델에는 80을 사용해야 합니다. “relative” 깊이 추정의 경우 이 값은 무시됩니다.

이것은 Depth AnythingModel의 설정을 저장하기 위한 설정 클래스입니다. 지정된 인자에 따라 Depth Anything 모델을 초기화하여 모델 아키텍처를 정의하는 데 사용됩니다. 기본값으로 설정을 초기화하면 LiheYoung/depth-anything-small-hf와 유사한 설정이 생성됩니다.

Configuration 객체는 PreTrainedConfig를 상속하며 모델 출력을 제어하는 데 사용할 수 있습니다. 자세한 내용은 PreTrainedConfig의 문서를 참고하세요.

예:

>>> from transformers import DepthAnythingConfig, DepthAnythingForDepthEstimation

>>> # Initializing a DepthAnything small style configuration
>>> configuration = DepthAnythingConfig()

>>> # Initializing a model from the DepthAnything small style configuration
>>> model = DepthAnythingForDepthEstimation(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

DepthAnythingForDepthEstimation

class transformers.DepthAnythingForDepthEstimation

< >

( config: DepthAnythingConfig )

매개변수

  • config (DepthAnythingConfig) — 모델의 모든 매개변수를 포함하는 모델 구성 클래스입니다. 구성 파일로 초기화하는 것은 모델과 연관된 가중치를 로드하지 않으며, 구성 정보만 로드합니다. 모델 가중치를 로드하려면 from_pretrained() 메서드를 확인하세요.

KITTI, NYUv2 등에 사용되는, 상단에 깊이 추정 헤드(3개의 합성곱 계층으로 구성)가 있는 Depth Anything Model

이 모델은 PreTrainedModel에서 상속됩니다. 라이브러리가 모든 모델에 대해 구현하는 일반적 메서드(다운로드 또는 저장, 입력 임베딩 크기 조정, 헤드 프루닝 등)에 대한 세부 사항은 상위 클래스 문서를 확인하세요.

이 모델은 또한 PyTorch torch.nn.Module의 하위 클래스입니다. 일반적인 PyTorch Module처럼 사용하며, 일반적인 사용법 및 동작과 관련된 모든 사항은 PyTorch 문서를 참조하세요.

forward

< >

( pixel_values: Tensorlabels: typing.Optional[torch.LongTensor] = Noneoutput_attentions: bool | None = Noneoutput_hidden_states: bool | None = Nonereturn_dict: bool | None = None**kwargs ) → DepthEstimatorOutput or tuple(torch.Tensor)

매개변수

  • pixel_values (torch.Tensor, shape (batch_size, num_channels, image_size, image_size)) — 입력 이미지에 해당하는 텐서입니다. 픽셀 값은 DPTImageProcessor를 사용하여 얻을 수 있습니다. 자세한 내용은 DPTImageProcessor.call()를 참조하세요 (processor_class는 이미지 처리에 DPTImageProcessor를 사용합니다).
  • labels (torch.LongTensor, shape (batch_size, height, width), 선택 사항) — 손실을 계산하기 위한 ground truth depth estimation map입니다.
  • output_attentions (bool, 선택 사항) — 모든 attention 레이어의 attentions 텐서를 반환할지 여부. 자세한 내용은 반환 텐서 섹션의 attentions 항목을 참조하세요.
  • output_hidden_states (bool, 선택 사항) — 모든 레이어의 hidden states를 반환할지 여부입니다. 자세한 내용은 반환되는 텐서 중 hidden_states 항목을 참고하세요.
  • return_dict (bool, 선택) — 일반 튜플 대신 ModelOutput를 반환할지 여부.

반환값

DepthEstimatorOutput 또는 tuple(torch.Tensor)

torch.Tensor의 튜플 또는 DepthEstimatorOutput (return_dict=False가 전달되었거나 config.return_dict=False인 경우). 구성(DepthAnythingConfig)과 입력에 따라 다양한 요소를 포함합니다.

DepthAnythingForDepthEstimation의 forward 메서드는 __call__ 특수 메서드를 오버라이드합니다.

이 함수 내에서 forward pass의 레시피를 정의해야 하지만, 이후에는 이 함수 대신 Module 인스턴스를 호출해야 합니다. 전자는 전처리 및 후처리 단계를 실행하는 것을 처리하는 반면, 후자는 이를 조용히 무시하기 때문입니다.

  • loss (torch.Tensor, shape (1,), 선택 사항, labels이 제공될 때 반환됨) — 분류 (또는 config.num_labels==1인 경우 회귀) 손실.

  • predicted_depth (torch.Tensor, shape (batch_size, height, width)) — 각 픽셀에 대한 예측된 깊이.

  • hidden_states (tuple(torch.Tensor), 선택 사항, output_hidden_states=True가 전달되거나 config.output_hidden_states=True인 경우 반환됨) — torch.Tensor의 튜플(모델에 임베딩 레이어가 있는 경우 임베딩의 출력에 대한 것 1개 + 각 레이어의 출력에 대한 것 1개)로, 모양은 (batch_size, num_channels, height, width)입니다.

    각 레이어의 출력에서 모델의 Hidden-states와 선택적 초기 임베딩 출력을 포함합니다.

  • attentions (tuple(torch.Tensor), 선택 사항, output_attentions=True가 전달되었거나 config.output_attentions=True인 경우 반환됨) — 각 레이어마다 하나씩 포함된 torch.Tensor의 튜플로, 모양은 (batch_size, num_heads, patch_size, sequence_length)입니다.

    self-attention 헤드에서 가중 평균을 계산하는 데 사용되는 attention softmax 이후의 attention 가중치.

예:

>>> from transformers import AutoImageProcessor, AutoModelForDepthEstimation
>>> import torch
>>> import numpy as np
>>> from PIL import Image
>>> from huggingface_hub.utils import httpx
>>> from io import BytesIO

>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> with httpx.stream("GET", url) as response:
...     image = Image.open(BytesIO(response.read()))

>>> image_processor = AutoImageProcessor.from_pretrained("LiheYoung/depth-anything-small-hf")
>>> model = AutoModelForDepthEstimation.from_pretrained("LiheYoung/depth-anything-small-hf")

>>> # prepare image for the model
>>> inputs = image_processor(images=image, return_tensors="pt")

>>> with torch.no_grad():
...     outputs = model(**inputs)

>>> # interpolate to original size
>>> post_processed_output = image_processor.post_process_depth_estimation(
...     outputs,
...     target_sizes=[(image.height, image.width)],
... )

>>> # visualize the prediction
>>> predicted_depth = post_processed_output[0]["predicted_depth"]
>>> depth = predicted_depth * 255 / predicted_depth.max()
>>> depth = depth.detach().cpu().numpy()
>>> depth = Image.fromarray(depth.astype("uint8"))
Update on GitHub

←Depth Anything DepthPro→