Depth Anything V2

本文提出了Depth Anything V2。我们无意追求花哨的技术，而是旨在揭示关键发现，为构建强大的单目深度估计模型铺平道路。值得注意的是，与V1相比，本版本通过三个关键实践产生了更精细、更鲁棒的深度预测：1）将所有带标注的真实图像替换为合成图像；2）扩大教师模型的容量；3）通过大规模伪标注真实图像作为桥梁来教导学生模型。与基于Stable Diffusion的最新模型相比，我们的模型效率显著更高（速度快10倍以上）且精度更高。我们提供了不同规模（参数从25M到1.3B不等）的模型，以支持广泛的应用场景。凭借其强大的泛化能力，我们使用度量深度标签对其进行微调，以获得度量深度模型。除了我们的模型之外，考虑到当前测试集多样性有限且噪声频繁，我们构建了一个具有精确标注和多样化场景的多功能评估基准，以促进未来的研究。