1. Depth Anything
24年1月开年王炸，论文“Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data“，来自香港大学、字节、浙江实验室和浙江大学。
Depth Anything，这是一种用于鲁棒单目深度估计的解决方案。目标是建立一个简单而强大的基础模型，在任何情况下处理任何图像。当然，项目也提供了用于Finetune的预训练模型。
2.先下载
大家可以先登录项目主页（https://depth-anything.github.io/），了解一下，先近距离感受Depth Anything的SOTA。
首先下载代码。
登录github（https://github.com/LiheYoung/Depth-Anything），clone相关项目代码。
项目代码相对简单，不做详细解读。
然后下载预训练模型。
登录Hugging face的发布页（https://huggingface.co/spaces/LiheYoung/Depth-Anything/tree/main），然后下载相关的checkpoints就可以了。
源代码和预训练模型可以从如下网盘中直接下载，源代码中run_sai.py按照如上进行了修改。
链接：https://pan.baidu.com/s/1pVHSyCztJ9dggtg9nHxxdw?pwd=1234
提取码：1234
3. 跑起来
如果只是想先跑起来，只需要修改一些代码就可以。原项目中，是通过DepthAnything.from_pretrained从线上下载，如下所示。
显然太麻烦了，因为我们已经下载的预训练模型，我们直接修改，从预训练模型直接构建。
第一步，修改模块导入，将from depth_anything.dpt import DepthAnything修改为from depth_anything.dpt import DPY_DINOv2。
第二步，从DPT_DINOv2直接构建。
如上，我们使用torch.load和load_state_dict直接构建了模型。
当然，你可能会遇到“No module named 'huggingface_hub'”的错误，只需按照如下安装即可。
pip3 install -U sentence-transformers
之后可以愉快的玩耍了。
附上几张Depth Anything在电力领域的深度估计。
