@rsasaki0109: ZipDepth [ECCV 2026] “ZipDepth:在任意设备上实现轻量级零样本单目深度估计”的官方实现

X AI KOLs Timeline 模型

摘要

ZipDepth 是一种轻量级零样本单目深度估计模型,实现了最佳精度-效率权衡,可在从手机到服务器GPU的任何设备上实时运行,并已被ECCV 2026接受。

ZipDepth [ECCV 2026] “ZipDepth:在任意设备上实现轻量级零样本单目深度估计”的官方实现。一个紧凑的610万参数网络,用于零样本单目深度估计,通过基础模型的知识蒸馏,可在服务器GPU到手机上实时运行。 https://github.com/fabiotosi92/ZipDepth… ZipDepth 是一种轻量级零样本单目深度估计模型,在轻量级方法中实现了最佳的精度-效率权衡,以极低的成本接近基于Transformer的基础模型。它结合了可重参数化卷积(RepVGG)、高效的通道和空间注意力(条带池化和全局上下文块),以及一个紧凑的FPN解码器——所有设计都旨在在从边缘硬件到服务器GPU的任何设备上快速运行。
查看原文
查看缓存全文

缓存时间: 2026/09/07 19:12

⚡ ZipDepth ⚡
轻量级零样本单目深度,随时随地,触手可及。

相似文章

chenxwh/depth-anything-v2

Replicate Explore

Depth Anything V2 是一种单目深度估计模型,在细节丰富度和鲁棒性方面显著优于 V1,同时提供比基于 SD 的模型更快的推理速度和更高的准确性。它在 Replicate 上以不同许可证提供。

Depth Pro 2:清晰且时间一致的单目度量深度

Hugging Face Daily Papers

Depth Pro 2 推出了一种可扩展的单一网络,能够以原生分辨率估计图像和视频的稠密公制深度,同时实现公制精度、清晰的边界和时间一致性,确立了新的帕累托前沿,代码和权重由 Apple 发布。

3DZip: 面向3D问答的空间感知特征多样性引导的令牌压缩

Hugging Face Daily Papers

3DZip是一个面向3D视觉语言模型的三阶段令牌压缩框架,利用体素化、多样性引导的锚点选择和空间约束合并来减少令牌数量,同时保持空间推理能力。在3DQA基准上,仅使用128个令牌即可保留94.7%的原始性能,并实现1.92倍的推理加速。