这项工作呈现了 Depth Anything V2。它在细粒度细节和鲁棒性方面显着优于 [V1](https://github.com/LiheYoung/Depth-Anything)。与基于SD的模型相比，它具有更快的推理速度、更少的参数和更高的深度精度。
## 新闻
- **2025-01-22：** [Video Depth Anything](https://videodepthanything.github.io) 已发布。它为超长视频（例如超过 5 分钟）生成一致的深度图。
- **2024-12-22:** [Prompt Depth Anything](https://promptda.github.io/) 已发布。当使用低分辨率激光雷达提示DA模型时，它支持4K分辨率的度量深度估计。
- **2024-07-06：** [变形金刚](https://github.com/huggingface/transformers/) 支持 Depth Anything V2。请参阅[说明](https://huggingface.co/docs/transformers/main/en/model_doc/depth_anything_v2)以方便使用。
- **2024-06-25：** 深度 任何东西都集成到 [Apple Core ML 模型](https://developer.apple.com/machine-learning/models/) 中。请参阅说明（[V1](https://huggingface.co/apple/coreml-depth-anything-small)、[V2](https://huggingface.co/apple/coreml-depth-anything-v2-small)）了解使用方法。
- **2024-06-22：** 我们基于 Depth-Anything-V2-Small 和 Base 发布了[较小的度量深度模型](https://github.com/DepthAnything/Depth-Anything-V2/tree/main/metric_depth#pre-trained-models)。
- **2024-06-20：** 我们的存储库和项目页面被 GitHub 标记，并从公众中删除 6 天。带来不便敬请谅解。
- **2024-06-14:** 论文、项目页面、代码、模型、演示和基准均已发布。
## 预训练模型
我们提供不同尺度的**四种模型**，用于稳健的相对深度估计：
|型号|参数|检查站|
|:-|-:|:-:|
|深度-任意-V2-小| 2480 万 | [陶氏
