人工智能计算机视觉深度学习【免费下载链接】Metric-Video-Depth-Anything-Large-MLX项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Metric-Video-Depth-Anything-Large-MLX点击查看免费下载Metric-Video-Depth-Anything-Large-MLX是 CVPR 2025 Highlight 论文 Video Depth Anything 的 MLX 移植版本让视频深度估计模型首次在 Apple Silicon 上原生运行。它能为任意长视频生成逐帧、稳定一致的单目深度图单位米是 Mac 用户做 3D 场景重建、视频加深度特效、视觉内容创作的理想选择。 什么是视频深度估计单目深度估计Monocular Depth Estimation指仅从一张图片推断每个像素到相机的距离。而视频深度估计在此基础上更进一步不仅要每一帧都有深度还要求相邻帧之间的深度时间上连贯避免画面闪烁抖动。Video Depth Anything 正是为此而生✅ 支持任意长视频逐帧输出深度图✅ 帧间深度保持一致告别闪烁难题✅Metric 模型输出绝对深度单位米而非仅有相对比例本仓库即该模型depth-anything/Metric-Video-Depth-Anything-Large官方权重转换到 MLX 框架的版本由社区 mlx-community 维护。 为什么选择 MLX 版本原版 Video Depth Anything 基于 PyTorch依赖 NVIDIA GPU CUDA 环境而 README.md 中给出的 MLX 版本则直接跑在 Apple 芯片的统一内存上对比项PyTorch 原版MLX 版本硬件要求NVIDIA GPU (CUDA)Apple Silicon (M 系列芯片)内存管理GPU 显存统一内存大视频更从容精度基准GPU 输出与参考实现相对误差约 1%Metal fast-mathCPU 约 1e-5对于 Mac 开发者来说这意味着无需云 GPU本地就能流畅推理视频深度。️ 模型架构速览根据 config.json 的配置模型由三部分组成DINOv2 BackbonevitlViT-Large 编码器负责提取强大的视觉特征DPT Headout_channels: [256, 512, 1024, 1024]多尺度特征融合还原高分辨率深度AnimateDiff 风格时间运动模块num_frames: 32在 32 帧窗口内注入时序信息保证长视频深度连贯 它输出的是逐帧深度图每帧一张(H, W)的浮点深度矩阵而不是文本。 快速上手3 步完成视频深度估计第 1 步准备环境安装mlx-vlm支持 MLX 的模型加载与推理库pip install mlx-vlm第 2 步加载模型from mlx_vlm import load from mlx_vlm.models.video_depth_anything.generate import ( VideoDepthPredictor, read_video_frames, ) model, processor load(mlx-community/Metric-Video-Depth-Anything-Large-MLX) predictor VideoDepthPredictor(model, processor)第 3 步读视频 → 推理深度frames, fps read_video_frames(input.mp4, max_len300, target_fps15) depths predictor.infer(frames) # 输出 (T, H, W) float32 深度图序列三行核心代码就能拿到整段视频的逐帧深度把depths可视化如灰度图、伪彩色即可得到视频深度效果。⚙️ 关键参数与使用注意事项结合 README.md 与 preprocessor_config.json推理前请注意以下几点注意事项说明分辨率要求输入 H 和 W 必须是14 的倍数ViT 分块要求输入格式channel-last 的(B, T, H, W, 3)预处理尺寸input_size: 518见 preprocessor_config.json视频长度示例中max_len300帧、target_fps15可按显存调整Metric 特性输出绝对深度米跳过scale/shift 窗口对齐跨帧尺度天然一致权重精度fp32 存储Mac GPU 推理与 PyTorch 参考实现偏差约 1%新手提示如果显存吃紧可先降低视频分辨率保持 14 的倍数或减少max_len再逐步上调。 仓库文件说明文件作用README.md项目说明、用法示例与注意事项config.json模型架构配置编码器、通道、帧窗口等preprocessor_config.json预处理参数input_size: 518model.safetensorsMLX 格式模型权重⚖️ 许可证提醒本模型采用CC-BY-NC-4.0协议与源权重一致仅限非商业使用。用于商业产品前请务必确认授权范围详见 README.md 的 License 章节。 总结Metric-Video-Depth-Anything-Large-MLX 把 CVPR 2025 的视频深度估计 SOTA 搬到了 Apple Silicon 上长视频深度一致时序运动模块保证帧间稳定Metric 绝对深度直接输出米制深度省去对齐Mac 原生推理统一内存 fp32 精度本地即可完成三步上手load→read_video_frames→infer无论是做 3D 视频特效、场景理解还是研究多模态视觉这都是 Mac 上最值得尝试的深度估计模型之一。赞分享人工智能计算机视觉深度学习【免费下载链接】Metric-Video-Depth-Anything-Large-MLX项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Metric-Video-Depth-Anything-Large-MLX点击查看免费下载相关推荐如何在Apple Silicon上快速跑通视频深度估计Metric-Video-Depth-Anything-Small-MLX新手完整指南如何在Apple Silicon上快速跑通视频深度估计Metric Video Depth Anything Small MLX新手完整指南 Metric V计算机视觉5分钟上手 Metric-Video-Depth-Anything-Large-MLXMac 本地视频深度估计完整教程5分钟上手 Metric Video Depth Anything Large MLXMac 本地视频深度估计完整教程 Metric Video Depth人工智能计算机视觉深度学习Feast 向量数据库集成基于 ADR-0010 的 RAG 检索能力设计、实现与实战指南Feast 向量数据库集成基于 ADR 0010 的 RAG 检索能力设计、实现与实战指南 本文基于 Feast 仓库中的架构决策记录 ADR 0010: V计算机视觉深度学习上一篇如何快速跑通MiroFish群体智能引擎部署从零到上手教程下一篇AIRI 接入 ComfyUIArtistry 艺术创作把本地图像生成工作流交给你的 AI 伴侣创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考