标签
一位开发者通过使用TypeGPU优化448x448模型在M4 Pro上以约8毫秒的速度运行，实现了实时单目深度估计，从而允许深度感知照明无缝集成到GPU中。
引入MultiDepth-3k基准，用于评估单目深度基础模型中的深度层偏好，并展示拉普拉斯视觉提示（Laplacian Visual Prompting）可以改变报告的深度层，表明不同模型之间存在互补的几何假设。
Bardienus Duisterhof 介绍了 Modality Forcing，这是一种对训练后的文本到图像（T2I）模型进行后处理的方法，在5个单目深度估计基准中，有4个达到了最先进的结果。