投稿 提交工具 投放合作

Depth Anything 3:任意视角几何与深度估计模型

大语言模型 6.7k(+4) 735 Python 2026-11-16 访问官网 ↗ 在 GitHub 打开

从单张或多张图像预测空间一致的深度、相机位姿与3D高斯,支持位姿估计、度量深度和新视角合成等多种视觉几何任务。

Depth Anything 3(DA3)是一个从任意视觉输入预测空间一致几何的模型,输入可带或不带已知相机位姿。其设计采用单一普通Transformer(如vanilla DINO编码器)作为骨干,并用统一的深度-射线表示替代复杂的多任务学习。通过改变输入配置,同一模型可完成单目深度估计、多视角深度估计、位姿条件深度估计、相机位姿估计(外参与内参)以及直接预测3D高斯以进行新视角合成。仓库提供三个模型系列:主系列(Giant/Large/Base/Small)、专用于单目度量深度的Metric系列、以及直接预测深度的Monocular系列;Nested系列结合任意视角模型与度量模型,以真实世界尺度重建几何。代码库包含Gradio Web界面、命令行接口,可将结果导出为glb、npz、ply、3DGS视频等格式。README注明模型仅在公开学术数据集上训练,部分模型采用CC BY-NC 4.0许可,带-1.1后缀的检查点为修复训练bug后重训版本。另提供DA3-Streaming,通过滑窗流式推理处理超长视频序列,显存占用低于12GB。

Star 趋势2026-11-07 — 2026-11-16当前 Stars 6.7k24h +47 日 +38

6.7k11-0711-0911-1111-1211-1311-1411-1511-16