计算机视觉研究

字节团队开发的面向超长视频的深度学习深度估计模型 该模型基于Depth Anything V2开发，由字节跳动研究团队推出，专为解决长视频深度估计领域的痛点打造，解决了传统方案在长视频处理中易出现的时间一致性差、复杂场景适配不足的问题。区别于仅支持短视频的同类模型，它可适配任意长度视频，对开放世界场景的适配性稳定，目前已开放代码与在线演示供相关从业者使用。

面向任意图像的开源深度估计基础模型，泛化能力突出 Depth Anything不追求新颖技术模块，通过自动化数据引擎构建约62M自动标注大规模训练数据，扩大覆盖范围降低泛化误差，搭配数据增强、辅助监督两大策略优化模型，零样本泛化能力优异，经公开数据集微调后刷新深度估计领域SOTA，还可提升深度条件ControlNet性能，全开源开放。