碑谷式錯覺圖像都被「看穿」，港大、TikTok的Depth Anything火了

AIGC動態(tài)歡迎閱讀

原標(biāo)題：碑谷式錯覺圖像都被「看穿」，港大、TikTok的Depth Anything火了
關(guān)鍵字：模型,圖像,深度,語義,數(shù)據(jù)
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：7401字

內(nèi)容摘要：

機(jī)器之心報道
編輯：Panda、蛋醬人類有兩只眼睛來估計(jì)視覺環(huán)境的深度信息，但機(jī)器人和 VR 頭社等設(shè)備卻往往沒有這樣的「配置」，往往只能靠單個攝像頭或單張圖像來估計(jì)深度。這個任務(wù)也被稱為單目深度估計(jì)（MDE）。
近日，一種可有效利用大規(guī)模無標(biāo)注圖像的新 MDE 模型 Depth Anything 憑借強(qiáng)大的性能在社交網(wǎng)絡(luò)上引起了廣泛討論，試用者無不稱奇。
甚至有試用者發(fā)現(xiàn)它還能正確處理埃舍爾（M.C.Escher）那充滿錯覺的繪畫藝術(shù)（啟發(fā)了《碑谷》等游戲和藝術(shù)）：從水上到水下，絲滑切換：更好的深度模型也得到了效果更好的以深度為條件的 ControlNet，可用于圖像生成和視頻編輯。如下圖所示，生成的內(nèi)容質(zhì)量得到了顯著增強(qiáng)：理論上說，基礎(chǔ)模型可用于解決單目深度估計(jì)（MDE）問題，即基于單張圖像估計(jì)深度信息。這類技術(shù)在機(jī)器人、自動駕駛、虛擬現(xiàn)實(shí)等領(lǐng)域都有廣闊的應(yīng)用前景。但由于難以構(gòu)建帶有數(shù)千萬深度標(biāo)簽的數(shù)據(jù)集，這一問題還少有研究者探索。
此前的 MiDaS 算得上是這個方向上的一項(xiàng)開創(chuàng)性研究，其基于一個混合標(biāo)注的數(shù)據(jù)集訓(xùn)練了一個 MDE 模型。盡管 MiDaS 展現(xiàn)出了一定程度的零

原文鏈接：碑谷式錯覺圖像都被「看穿」，港大、TikTok的Depth Anything火了

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺