Depth Anything：释放大规模无标签数据的力量

这项工作提出了 Depth Anything，一种用于鲁棒单目深度估计的高度实用解决方案。在不追求新颖技术模块的情况下，我们的目标是构建一个简单而强大的基础模型，以处理任何情况下的任何图像。为此，我们通过设计一个数据引擎来收集和自动注释大规模未标记数据（约 6200 万）来扩大数据集规模，这显着扩大了数据覆盖范围，从而能够减少泛化误差。我们研究了两种简单而有效的策略，使数据规模扩大变得有前景。首先，通过利用数据增强工具创建更具挑战性的优化目标。它迫使模型积极寻求额外的视觉知识并获得鲁棒的表示。其次，开发了一种辅助监督，以强制模型从预训练编码器继承丰富的语义先验。我们广泛评估了其零样本能力，包括六个公共数据集和随机捕获的照片。它展示了令人印象深刻的泛化能力。此外，通过使用来自 NYUv2 和 KITTI 的度量深度信息对其进行微调，设置了新的 SOTA。我们更好的深度模型还带来了更好的深度条件 ControlNet。我们的模型在 https://github.com/LiheYoung/Depth-Anything 上发布。