文章来源于互联网:Video Depth Anything来了！字节开源首款10分钟级长视频深度估计模型，性能SOTA

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com

在不牺牲泛化能力、细节生成能力和计算效率前提下，VDA 实现了时序稳定的深度估计，且无需引入复杂视频生成先验知识，为单目深度估计在视频领域应用提供全新解决方案。

• 论文链接：https://arxiv.org/abs/2501.12375
• 项目主页：https://videodepthanything.github.io/
• 代码仓库：https://github.com/DepthAnything/Video-Depth-Anything

• 从单图深度模型到视频深度模型

• 时空一致性约束

• 超长视频推理策略

团队认为，该成果具备广泛的下游应用空间，比如 3D 重建：自动驾驶： 机器人抓取任务等： 该项目现已开源，更多方法介绍以及实验结果见论文主页（https://promptda.github.io/）。 

文章来源于互联网:Video Depth Anything来了！字节开源首款10分钟级长视频深度估计模型，性能SOTA