模型介绍
中文整理Video Depth Anything Small — WebGPU ONNX
本仓库提供 Video Depth Anything Small 的浏览器 WebGPU ONNX 导出制品,用于单目视频的相对深度估计。模型未重新训练,权重来自上游 Small 模型;导出时拆分为逐帧编码器和 32 帧时序深度头,采用 FP16 权重存储、FP32 计算。
来源与许可证
上游项目:https://github.com/DepthAnything/Video-Depth-Anything
源码版本: 4f5ae23172ba60fd7bc11ef671cca678842c7072
原始权重:https://huggingface.co/depth-anything/Video-Depth-Anything-Small
原始权重 SHA-256: 13379300b739e659f076a59d52e9801bd8d38c541a7e71f73bbca4dcfb013609
Small 模型及本导出制品采用 Apache-2.0,完整许可证见 LICENSE.txt 。本仓库是格式转换版本,并非上游官方发布仓库。
文件与配置
每种配置需要同名的 encoder 与 head 配对使用,不能混用不同尺寸。
配置 输入宽 × 高 编码器 时序深度头
- -- --- --- ---
横屏基础 518 × 294 encoder-landscape.onnx head-landscape.onnx
竖屏基础 294 × 518 encoder-portrait.onnx head-portrait.onnx
横屏精细 672 × 378 encoder-landscape-detail.onnx head-landscape-detail.onnx
竖屏精细 378 × 672 encoder-portrait-detail.onnx head-portrait-detail.onnx
上述尺寸是模型推理输入尺寸,不是最终视频导出分辨率。所有配置使用 32 帧时序窗口。基础配置导出 microBatch 为 8,精细配置为 4。文件大小、SHA-256 和导出数值验证记录见 manifest.json ;其中 relativeMae 是导出数值验证记录,不代表视频质量或公开基准评分。
使用说明
模型面向 ONNX Runtime Web 的 WebGPU 执行环境。接入时需要实现视频解码、输入预处理、逐帧特征编码、32 帧特征组窗、时序推理及结果后处理。本仓库只提供模型制品,不包含完整浏览器应用或视频编码运行时。
按需下载所需的一对 ONNX 文件,并校验 manifest 中的 SHA-256。模型输出是相对深度,不能直接作为以米为单位的测距结果。输出稳定性仍受输入视频、遮挡、镜头切换和窗口衔接处理影响。
训练与效果
本仓库没有额外训练或微调。模型训练方法、数据说明及上游效果请参考原项目。此处不宣称导出版本具有新的基准成绩,也不保证任意下游视频生成模型可以直接接收深度视频;具体输入方式需由下游工作流决定。
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
资料或下载有问题?
登录后可提交反馈。
