【免费下载链接】Video-Depth-Anything-Base-MLX项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Video-Depth-Anything-Base-MLX点击查看免费下载想在Mac 上本地运行 Video-Depth-Anything-Base-MLX吗它是字节跳动 Video Depth Anything 的MLX 移植版专门用于视频单目深度估计给一段视频逐帧输出一致的深度图。本文带你从 0 到 1 完成模型获取、环境安装和首次推理全程不依赖云端。它是什么为什么选择在本地跑 传统深度估计模型如 Video Depth Anything通常依赖 PyTorch NVIDIA GPU而Video-Depth-Anything-Base-MLX将权重与结构转换成了MLX 格式可以直接在Apple SiliconM 系列芯片上高效推理。它的核心特点特点说明架构DINOv2 视觉骨干 DPT 头 AnimateDiff 风格时序运动模块输出每帧一张深度图相对深度非米制绝对深度精度权重为 fp32Metal 加速下与 PyTorch 参考结果相对误差约 1%长视频支持可处理任意长度视频帧间深度保持时序一致模型类型与结构参数定义在 config.json 中编码器为vitbnum_frames为 32metric为false即输出相对深度而非米制深度。第一步获取模型文件仓库只需用一行命令克隆到本地git clone https://gitcode.com/hf_mirrors/mlx-community/Video-Depth-Anything-Base-MLX克隆完成后目录结构非常简洁四个文件各司其职文件作用model.safetensors模型权重文件fp32config.json模型结构配置编码器、通道数、帧数等preprocessor_config.json预处理配置输入尺寸为 518README.md项目说明与用法示例 只需克隆一次权重文件较大建议在网络良好时进行克隆成功后即可断网使用。第二步安装环境准备运行本地运行 Video-Depth-Anything-Base-MLX 的环境要求其实只有两条一台 Apple Silicon 的 MacM1 及以上和Python 环境。安装两个依赖即可pip install mlx mlx-vlmmlxApple 官方的机器学习框架提供 Metal GPU 加速mlx-vlm加载与推理库内置了video_depth_anything模型的实现⚠️ 注意MLX 目前仅支持 Apple 芯片Windows/Intel Mac 无法直接运行。第三步3 行代码完成首次推理推理流程可以拆成三步加载模型 → 读取视频帧 → 执行推理。完整示例来自 README.mdfrom mlx_vlm import load from mlx_vlm.models.video_depth_anything.generate import ( VideoDepthPredictor, read_video_frames, ) # 1. 加载模型可直接指向本地克隆的仓库目录 model, processor load(Video-Depth-Anything-Base-MLX) predictor VideoDepthPredictor(model, processor) # 2. 读取视频帧最长 300 帧目标帧率 15fps frames, fps read_video_frames(input.mp4, max_len300, target_fps15) # 3. 推理得到 (T, H, W) 形状的 float32 深度序列 depths predictor.infer(frames)把input.mp4换成你自己的视频文件即可。depths的每个时间步就是一帧的灰度深度图值越大代表离镜头越远用任意图像库保存成图片就能直观查看。关键参数与输入约束 首次运行前这几个约束务必确认能避免绝大多数报错约束项要求出处输入张量格式channel-last(B, T, H, W, 3)README.md高宽限制H 和 W 必须是 14 的倍数README.md预处理输入尺寸518preprocessor_config.json最大处理帧数max_len300可按需调整README.md时序窗口帧数32 帧config.json关于精度在 Metal GPU 上输出与 PyTorch 参考实现约 1% 的相对误差fast-math 导致在 CPU 上误差可低至约 1e-5。对可视化、分割等应用来说完全够用。常见问题 FAQQ1输出是绝对深度米吗不是。config.json中metric为false输出的是相对深度近小远大不能直接当真实距离使用但帧间一致性很好适合立体感渲染、背景分离等场景。Q2长视频能处理吗可以。read_video_frames通过max_len和target_fps控制采样帧数模型对任意长度视频保持时序一致的深度输出。Q3第一次运行特别慢正常现象——首次推理需要编译 MLX 内核后续帧会明显加速。许可证提醒⚠️ 本模型采用CC-BY-NC-4.0协议与源模型一致仅限非商业用途。用于商业产品前请仔细阅读 README.md 中的 License 条款。写在最后至此你已完成 Video-Depth-Anything-Base-MLX 的完整本地部署克隆仓库 → 安装 mlx-vlm → 三行代码出深度图。整个过程无需云 GPU一台 M 系列 Mac 就能跑通。后续你可以尝试调整target_fps观察时序一致性或把深度结果叠加回原视频制作3D 立体感特效视频。赞分享【免费下载链接】Video-Depth-Anything-Base-MLX项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Video-Depth-Anything-Base-MLX点击查看免费下载相关推荐从PyTorch到MLX如何将Video Depth Anything平滑迁移到Video-Depth-Anything-Base-MLX从PyTorch到MLX如何将Video Depth Anything平滑迁移到Video Depth Anything Base MLX Video DepSmall、Base还是LargeVideo Depth Anything MLX系列模型选型指南含Metric-Video-Depth-Anything-Small-MLX对比Small、Base还是LargeVideo Depth Anything MLX系列模型选型指南含Metric Video Depth Anything计算机视觉Video-Depth-Anything-Base-MLX config.json参数指南num_frames、out_channels逐个拆解Video Depth Anything Base MLX config.json参数指南num_frames、out_channels逐个拆解 Video创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考