深度估计

改进型单目深度估计AI模型，提供更精细鲁棒的深度预测 Depth Anything V2是基于合成图像与大量未标记真实图像训练的改进单目深度估计模型，相较初代版本，深度预测结果更精细、鲁棒性更强，在预测准确性与运行效率两方面均实现显著提升，运行速度较基于Stable Diffusion的最新同类深度估计模型快10倍以上，可输出更可靠的单目图像深度结果。

基于提示技术的深度估计方案，可生成4K高精度度量深度 该技术通过提示技术激活深度基础模型潜力，引入iPhone LiDAR作为引导提示，可输出最高4K分辨率的精确度量深度结果。搭建了可扩展的训练数据管道，补充发布ScanNet++数据集更详细的深度注释，输出结果可直接支撑3D重建、机器人抓取等下游计算机视觉任务。

面向复杂动态场景优化的改进型深度视觉SLAM框架 突破传统结构从运动、单目SLAM仅适配静态大视差场景的局限，通过深度修改SLAM框架，可支持含未知视场、无限制相机路径的真实复杂动态场景视频处理。经实验验证，相比同类方案，其相机姿态与深度估计更准确稳健，运行速度相当或更快。

利用基础模型先验将2D转立体3D视频的创新AI框架 StereoCrafter突破传统2D转3D方法局限，以基础模型作为先验，结合深度估计与立体视频修复技术，提升生成内容的高保真度。支持不同长度、分辨率的视频输入，通过自回归策略与分块处理优化转换流程，配套专门的大规模高质量数据集重建方案，为3D显示设备提供沉浸式内容解决方案。

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。

基于优化算法的快速3D场景生成工具，支持实时交互探索 该工具采用快速高斯体素和引导扩散深度估计方法，大幅减少3D场景生成的计算时间，可在10秒内生成几何一致的扩展3D场景，支持用户实时交互与沉浸式场景探索。相比传统3D生成方案，它在生成效率上优势明显，可为虚拟现实、游戏、创意设计领域提供快速生成方案。