ZoeDepth

ZoeDepth 是一个深度估算模型，它结合了相对深度估算（物体彼此之间的距离）和度量深度估算（在度量尺度上精确测量深度）的泛化性能，两者都来自单张图像。它在 12 个数据集上使用相对深度进行预训练，并在 2 个数据集（NYU Depth v2 和 KITTI）上进行度量准确性训练。为每个域使用一个带有度量 bin 模块的轻量级头部，在推理过程中，它通过一个潜在分类器自动为每个输入图像选择合适的头部。

你可以在 Intel 组织下找到所有原始的 ZoeDepth 检查点。

下面的示例演示了如何使用 Pipeline 或 AutoModel 类来估算深度。

流水线

自动模型

注意

在原始实现中，ZoeDepth 对原始图像和翻转图像都执行推理，并对结果取平均值。`post_process_depth_estimation` 函数通过将翻转后的输出传递给可选的 `outputs_flipped` 参数来处理此问题，如下所示。

 with torch.no_grad():
     outputs = model(pixel_values)
     outputs_flipped = model(pixel_values=torch.flip(inputs.pixel_values, dims=[3]))
     post_processed_output = image_processor.post_process_depth_estimation(
         outputs,
         source_sizes=[(image.height, image.width)],
         outputs_flipped=outputs_flipped,
     )

资源

有关推理示例，请参阅此 notebook。

ZoeDepthConfig

class transformers.ZoeDepthConfig

< 源代码 >

( backbone_config = None backbone = None use_pretrained_backbone = False backbone_kwargs = None hidden_act = 'gelu' initializer_range = 0.02 batch_norm_eps = 1e-05 readout_type = 'project' reassemble_factors = [4, 2, 1, 0.5] neck_hidden_sizes = [96, 192, 384, 768] fusion_hidden_size = 256 head_in_index = -1 use_batch_norm_in_fusion_residual = False use_bias_in_fusion_residual = None num_relative_features = 32 add_projection = False bottleneck_features = 256 num_attractors = [16, 8, 4, 1] bin_embedding_dim = 128 attractor_alpha = 1000 attractor_gamma = 2 attractor_kind = 'mean' min_temp = 0.0212 max_temp = 50.0 bin_centers_type = 'softplus' bin_configurations = [{'n_bins': 64, 'min_depth': 0.001, 'max_depth': 10.0}] num_patch_transformer_layers = None patch_transformer_hidden_size = None patch_transformer_intermediate_size = None patch_transformer_num_attention_heads = None **kwargs )

参数

backbone_config (Union[dict[str, Any], PretrainedConfig], 可选, 默认为 BeitConfig()) — 主干模型的配置。
backbone (str, 可选) — 当 backbone_config 为 None 时使用的主干名称。如果 `use_pretrained_backbone` 为 True，将从 timm 或 transformers 库加载相应的预训练权重。如果 use_pretrained_backbone 为 False，将加载主干的配置并用其初始化主干的随机权重。
use_pretrained_backbone (bool, 可选, 默认为 False) — 是否为主干使用预训练权重。
backbone_kwargs (dict, 可选) — 在从检查点加载时传递给 AutoBackbone 的关键字参数，例如 `{'out_indices': (0, 1, 2, 3)}`。如果设置了 `backbone_config`，则不能指定此项。
hidden_act (str or function, 可选, 默认为 "gelu") — 编码器和池化层中的非线性激活函数（函数或字符串）。如果是字符串，支持 "gelu"、"relu"、"selu" 和 "gelu_new"。
initializer_range (float, 可选, 默认为 0.02) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的标准差。
batch_norm_eps (float, 可选, 默认为 1e-05) — 批量归一化层使用的 epsilon。
readout_type (str, 可选, 默认为 "project") — 在处理 ViT 主干中间隐藏状态的读出令牌（CLS 令牌）时使用的读出类型。可以是 ["ignore"、"add"、"project"] 中的一个。
- “ignore” 简单地忽略 CLS 令牌。
- “add” 通过添加表示将 CLS 令牌的信息传递给所有其他令牌。
- “project” 通过将读出连接到所有其他令牌，然后使用线性层和 GELU 非线性将表示投影到原始特征维度 D，从而将信息传递给其他令牌。
reassemble_factors (list[int], 可选, 默认为 [4, 2, 1, 0.5]) — 重组层的上/下采样因子。
neck_hidden_sizes (list[str], 可选, 默认为 [96, 192, 384, 768]) — 用于主干特征图投影的隐藏大小。
fusion_hidden_size (int, 可选, 默认为 256) — 融合前的通道数。
head_in_index (int, 可选, 默认为 -1) — 在头部中使用的特征索引。
use_batch_norm_in_fusion_residual (bool, 可选, 默认为 False) — 是否在融合块的预激活残差单元中使用批量归一化。
use_bias_in_fusion_residual (bool, 可选, 默认为 True) — 是否在融合块的预激活残差单元中使用偏置。
num_relative_features (int, 可选, 默认为 32) — 相对深度估计头中使用的特征数量。
add_projection (bool, 可选, 默认为 False) — 是否在深度估计头之前添加投影层。
bottleneck_features (int, 可选, 默认为 256) — 瓶颈层中的特征数量。
num_attractors (list[int], *可选*, 默认为 [16, 8, 4, 1]`) — 每个阶段中使用的吸引子数量。
bin_embedding_dim (int, 可选, 默认为 128) — bin 嵌入的维度。
attractor_alpha (int, 可选, 默认为 1000) — 在吸引子中使用的 alpha 值。
attractor_gamma (int, 可选, 默认为 2) — 在吸引子中使用的 gamma 值。
attractor_kind (str, 可选, 默认为 "mean") — 使用的吸引子类型。可以是 ["mean", "sum"] 中的一个。
min_temp (float, 可选, 默认为 0.0212) — 考虑的最小温度值。
max_temp (float, 可选, 默认为 50.0) — 考虑的最大温度值。
bin_centers_type (str, 可选, 默认为 "softplus") — 用于 bin 中心的激活类型。可以是“normed”或“softplus”。对于“normed” bin 中心，应用线性归一化技巧。这导致有界的 bin 中心。对于“softplus”，使用 softplus 激活，因此是无界的。
bin_configurations (list[dict], 可选, 默认为 [{'n_bins' -- 64, 'min_depth': 0.001, 'max_depth': 10.0}])：每个 bin 头部的配置。每个配置应包含以下键：
- name (str)：bin 头部的名称——仅在有多个 bin 配置时需要。
- `n_bins` (int)：要使用的 bin 数量。
- `min_depth` (float)：要考虑的最小深度值。
- `max_depth` (float)：要考虑的最大深度值。如果只传递一个配置，模型将使用具有指定配置的单个头部。如果传递多个配置，模型将使用具有指定配置的多个头部。
num_patch_transformer_layers (int, 可选) — 补丁转换器中使用的 transformer 层数。仅在有多个 bin 配置时使用。
patch_transformer_hidden_size (int, 可选) — 补丁转换器中使用的隐藏大小。仅在有多个 bin 配置时使用。
patch_transformer_intermediate_size (int, 可选) — 补丁转换器中使用的中间大小。仅在有多个 bin 配置时使用。
patch_transformer_num_attention_heads (int, 可选) — 补丁转换器中使用的注意力头数量。仅在有多个 bin 配置时使用。

这是一个配置类，用于存储 ZoeDepthForDepthEstimation 的配置。它用于根据指定的参数实例化一个 ZoeDepth 模型，定义模型架构。使用默认值实例化配置将产生与 ZoeDepth Intel/zoedepth-nyu 架构类似的配置。

配置对象继承自 PretrainedConfig，可用于控制模型输出。有关更多信息，请阅读 PretrainedConfig 的文档。

示例

>>> from transformers import ZoeDepthConfig, ZoeDepthForDepthEstimation

>>> # Initializing a ZoeDepth zoedepth-large style configuration
>>> configuration = ZoeDepthConfig()

>>> # Initializing a model from the zoedepth-large style configuration
>>> model = ZoeDepthForDepthEstimation(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

ZoeDepthImageProcessor

class transformers.ZoeDepthImageProcessor

< 源代码 >

( do_pad: bool = True do_rescale: bool = True rescale_factor: typing.Union[int, float] = 0.00392156862745098 do_normalize: bool = True image_mean: typing.Union[float, list[float], NoneType] = None image_std: typing.Union[float, list[float], NoneType] = None do_resize: bool = True size: typing.Optional[dict[str, int]] = None resample: Resampling = <Resampling.BILINEAR: 2> keep_aspect_ratio: bool = True ensure_multiple_of: int = 32 **kwargs )

参数

do_pad (bool, 可选, 默认为 True) — 是否对输入进行填充。
do_rescale (bool, 可选, 默认为 True) — 是否通过指定的缩放比例 rescale_factor 重新缩放图像。可在 preprocess 中通过 do_rescale 参数覆盖。
rescale_factor (int 或 float, 可选, 默认为 1/255) — 如果重新缩放图像，则使用此缩放因子。可在 preprocess 中通过 rescale_factor 参数覆盖。
do_normalize (bool, 可选, 默认为 True) — 是否对图像进行归一化。可在 preprocess 方法中通过 do_normalize 参数覆盖。
image_mean (float 或 list[float], 可选, 默认为 IMAGENET_STANDARD_MEAN) — 如果对图像进行归一化，则使用此均值。这是一个浮点数或浮点数列表，其长度等于图像的通道数。可在 preprocess 方法中通过 image_mean 参数覆盖。
image_std (float 或 list[float], 可选, 默认为 IMAGENET_STANDARD_STD) — 如果对图像进行归一化，则使用此标准差。这是一个浮点数或浮点数列表，其长度等于图像的通道数。可在 preprocess 方法中通过 image_std 参数覆盖。
do_resize (bool, 可选, 默认为 True) — 是否调整图像的 (height, width) 尺寸。可在 preprocess 中通过 do_resize 参数覆盖。
size (dict[str, int] 可选, 默认为 {"height" -- 384, "width": 512}): 调整大小后图像的尺寸。如果 keep_aspect_ratio 为 True，则通过选择高度和宽度缩放因子中较小的一个，并将其用于两个维度来调整图像大小。如果还设置了 ensure_multiple_of，则图像将进一步调整为该值的倍数。可在 preprocess 中通过 size 参数覆盖。
resample (PILImageResampling, 可选, 默认为 Resampling.BILINEAR) — 定义调整图像大小时使用的重采样滤波器。可在 preprocess 中通过 resample 参数覆盖。
keep_aspect_ratio (bool, 可选, 默认为 True) — 如果为 True，则通过选择高度和宽度缩放因子中较小的一个，并将其用于两个维度来调整图像大小。这确保了图像在尽可能少地缩小的同时仍能适应期望的输出尺寸。如果还设置了 ensure_multiple_of，则通过将高度和宽度向下取整到该值的最近倍数，进一步将图像调整为该值的倍数。可在 preprocess 中通过 keep_aspect_ratio 参数覆盖。
ensure_multiple_of (int, 可选, 默认为 32) — 如果 do_resize 为 True，则将图像大小调整为此值的倍数。通过将高度和宽度向下取整到该值的最近倍数来实现。

无论 keep_aspect_ratio 是否设置为 True，此参数都有效。可在 preprocess 中通过 ensure_multiple_of 参数覆盖。

构建一个 ZoeDepth 图像处理器。

preprocess

< 来源 >

( images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']] do_pad: typing.Optional[bool] = None do_rescale: typing.Optional[bool] = None rescale_factor: typing.Optional[float] = None do_normalize: typing.Optional[bool] = None image_mean: typing.Union[float, list[float], NoneType] = None image_std: typing.Union[float, list[float], NoneType] = None do_resize: typing.Optional[bool] = None size: typing.Optional[int] = None keep_aspect_ratio: typing.Optional[bool] = None ensure_multiple_of: typing.Optional[int] = None resample: Resampling = None return_tensors: typing.Union[transformers.utils.generic.TensorType, str, NoneType] = None data_format: ChannelDimension = <ChannelDimension.FIRST: 'channels_first'> input_data_format: typing.Union[str, transformers.image_utils.ChannelDimension, NoneType] = None )

参数

images (ImageInput) — 待预处理的图像。需要单个或一批像素值在 0 到 255 范围内的图像。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
do_pad (bool, 可选, 默认为 self.do_pad) — 是否对输入图像进行填充。
do_rescale (bool, 可选, 默认为 self.do_rescale) — 是否将图像值重新缩放到 [0 - 1] 之间。
rescale_factor (float, 可选, 默认为 self.rescale_factor) — 如果 do_rescale 设置为 True，则用于重新缩放图像的因子。
do_normalize (bool, 可选, 默认为 self.do_normalize) — 是否对图像进行归一化。
image_mean (float 或 list[float], 可选, 默认为 self.image_mean) — 图像均值。
image_std (float 或 list[float], 可选, 默认为 self.image_std) — 图像标准差。
do_resize (bool, 可选, 默认为 self.do_resize) — 是否调整图像大小。
size (dict[str, int], 可选, 默认为 self.size) — 调整大小后图像的尺寸。如果 keep_aspect_ratio 为 True，则通过选择高度和宽度缩放因子中较小的一个，并将其用于两个维度来调整图像大小。如果还设置了 ensure_multiple_of，则图像将进一步调整为该值的倍数。
keep_aspect_ratio (bool, 可选, 默认为 self.keep_aspect_ratio) — 如果为 True 且 do_resize=True，则通过选择高度和宽度缩放因子中较小的一个，并将其用于两个维度来调整图像大小。这确保了图像在尽可能少地缩小的同时仍能适应期望的输出尺寸。如果还设置了 ensure_multiple_of，则通过将高度和宽度向下取整到该值的最近倍数，进一步将图像调整为该值的倍数。
ensure_multiple_of (int, 可选, 默认为 self.ensure_multiple_of) — 如果 do_resize 为 True，则将图像大小调整为此值的倍数。通过将高度和宽度向下取整到该值的最近倍数来实现。

无论 keep_aspect_ratio 是否设置为 True，此参数都有效。可在 preprocess 中通过 ensure_multiple_of 参数覆盖。
resample (int, 可选, 默认为 self.resample) — 调整图像大小时使用的重采样滤波器。可以是 PILImageResampling 枚举之一，仅在 do_resize 设置为 True 时生效。
return_tensors (str 或 TensorType, 可选) — 要返回的张量类型。可以是以下之一：
- 未设置：返回一个 np.ndarray 列表。
- TensorType.TENSORFLOW 或 'tf'：返回一个 tf.Tensor 类型的批次。
- TensorType.PYTORCH 或 'pt'：返回一个 torch.Tensor 类型的批次。
- TensorType.NUMPY 或 'np'：返回一个 np.ndarray 类型的批次。
- TensorType.JAX 或 'jax'：返回一个 jax.numpy.ndarray 类型的批次。
data_format (ChannelDimension 或 str, 可选, 默认为 ChannelDimension.FIRST) — 输出图像的通道维度格式。可以是以下之一：
- ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
- ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
input_data_format (ChannelDimension 或 str, 可选) — 输入图像的通道维度格式。如果未设置，将从输入图像中推断通道维度格式。可以是以下之一：
- "channels_first" 或 ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
- "channels_last" 或 ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
- "none" 或 ChannelDimension.NONE：图像格式为 (height, width)。

预处理一张或一批图像。

ZoeDepthImageProcessorFast

class transformers.ZoeDepthImageProcessorFast

< 来源 >

( **kwargs: typing_extensions.Unpack[transformers.models.zoedepth.image_processing_zoedepth_fast.ZoeDepthFastImageProcessorKwargs] )

构建一个快速的 Zoedepth 图像处理器。

preprocess

< 来源 >

( images: typing.Union[ForwardRef('PIL.Image.Image'), numpy.ndarray, ForwardRef('torch.Tensor'), list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']] **kwargs: typing_extensions.Unpack[transformers.models.zoedepth.image_processing_zoedepth_fast.ZoeDepthFastImageProcessorKwargs] ) → <class 'transformers.image_processing_base.BatchFeature'>

参数

images (Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list['PIL.Image.Image'], list[numpy.ndarray], list['torch.Tensor']]) — 待预处理的图像。需要单个或一批像素值在 0 到 255 范围内的图像。如果传入的图像像素值在 0 到 1 之间，请设置 do_rescale=False。
do_resize (bool, 可选) — 是否调整图像大小。
size (dict[str, int], 可选) — 描述模型的最大输入尺寸。
default_to_square (bool, 可选) — 在调整大小时，如果尺寸是整数，是否默认为方形图像。
resample (Union[PILImageResampling, F.InterpolationMode, NoneType]) — 调整图像大小时使用的重采样滤波器。可以是 PILImageResampling 枚举之一。仅在 do_resize 设置为 True 时生效。
do_center_crop (bool, 可选) — 是否对图像进行中心裁剪。
crop_size (dict[str, int], 可选) — 应用 center_crop 后输出图像的尺寸。
do_rescale (bool, 可选) — 是否重新缩放图像。
rescale_factor (Union[int, float, NoneType]) — 如果 do_rescale 设置为 True，则用于重新缩放图像的因子。
do_normalize (bool, 可选) — 是否对图像进行归一化。
image_mean (Union[float, list[float], NoneType]) — 用于归一化的图像均值。仅在 do_normalize 设置为 True 时生效。
image_std (Union[float, list[float], NoneType]) — 用于归一化的图像标准差。仅在 do_normalize 设置为 True 时生效。
do_convert_rgb (bool, 可选) — 是否将图像转换为 RGB。
return_tensors (Union[str, ~utils.generic.TensorType, NoneType]) — 如果设置为 `pt`，则返回堆叠的张量，否则返回张量列表。
data_format (~image_utils.ChannelDimension, 可选) — 仅支持 ChannelDimension.FIRST。为与慢速处理器兼容而添加。
input_data_format (Union[str, ~image_utils.ChannelDimension, NoneType]) — 输入图像的通道维度格式。如果未设置，将从输入图像中推断通道维度格式。可以是以下之一：
- "channels_first" 或 ChannelDimension.FIRST：图像格式为 (num_channels, height, width)。
- "channels_last" 或 ChannelDimension.LAST：图像格式为 (height, width, num_channels)。
- "none" 或 ChannelDimension.NONE：图像格式为 (height, width)。
device (torch.device, 可选) — 处理图像的设备。如果未设置，将从输入图像中推断设备。
disable_grouping (bool, 可选) — 是否禁用按尺寸分组图像，以便单独处理而不是分批处理。如果为 None，则如果图像在 CPU 上，则设置为 True，否则设置为 False。此选择基于经验观察，详见此处：https://github.com/huggingface/transformers/pull/38157
do_pad (bool, 可选, 默认为 True) — 是否对输入应用填充。
keep_aspect_ratio (bool, 可选, 默认为 True) — 如果为 True，则通过选择高度和宽度缩放因子中较小的一个，并将其用于两个维度来调整图像大小。这确保了图像在缩小的同时尽可能少地失真，并且仍然能适应期望的输出尺寸。如果同时设置了 ensure_multiple_of，图像将进一步调整大小，使其尺寸是该值的倍数，方法是将高度和宽度向下取整到最接近该值的倍数。该参数可在 preprocess 中被 keep_aspect_ratio 覆盖。
ensure_multiple_of (int, 可选, 默认为 32) — 如果 do_resize 为 True，则图像将被调整为该值的倍数。其工作原理是将高度和宽度向下取整到最接近该值的倍数。无论 keep_aspect_ratio 是否设置为 True，此参数都有效。该参数可在 preprocess 中被 ensure_multiple_of 覆盖。

<class 'transformers.image_processing_base.BatchFeature'>

data (dict) — 由 call 方法返回的列表/数组/张量字典（“pixel_values”等）。
tensor_type (Union[None, str, TensorType], 可选) — 您可以在此处提供一个`tensor_type`，以便在初始化时将整数列表转换为PyTorch/TensorFlow/Numpy张量。

ZoeDepthForDepthEstimation

class transformers.ZoeDepthForDepthEstimation

< source >

( config )

参数

config (ZoeDepthForDepthEstimation) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重，只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

ZoeDepth 模型，其顶部带有一个或多个度量深度估计头。

该模型继承自 PreTrainedModel。请查阅超类文档，了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、修剪头部等）。

该模型也是 PyTorch 的 torch.nn.Module 子类。可以像常规的 PyTorch 模块一样使用它，并参考 PyTorch 文档了解所有与通用用法和行为相关的事项。

forward

< source >

( pixel_values: FloatTensor labels: typing.Optional[torch.LongTensor] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.DepthEstimatorOutput 或 tuple(torch.FloatTensor)

参数

pixel_values (torch.FloatTensor，形状为 (batch_size, num_channels, image_size, image_size)) — 与输入图像对应的张量。像素值可以使用 {image_processor_class} 获得。有关详细信息，请参阅 {image_processor_class}.__call__（{processor_class} 使用 {image_processor_class} 来处理图像）。
labels (torch.LongTensor，形状为 (batch_size, height, width), 可选) — 用于计算损失的真实深度估计图。
output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息，请参阅返回张量下的 attentions。
output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量下的 hidden_states。
return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。

transformers.modeling_outputs.DepthEstimatorOutput 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.DepthEstimatorOutput 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或 config.return_dict=False），包含根据配置（ZoeDepthConfig）和输入的不同元素。

loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 分类损失（如果 config.num_labels==1，则为回归损失）。
predicted_depth (torch.FloatTensor，形状为 (batch_size, height, width)) — 每个像素的预测深度。
hidden_states (tuple(torch.FloatTensor), 可选, 当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（如果模型有嵌入层，则一个用于嵌入层的输出，另外每个层一个输出），形状为 (batch_size, num_channels, height, width)。

模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (tuple(torch.FloatTensor), 可选, 当传递 output_attentions=True 或 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每层一个），形状为 (batch_size, num_heads, patch_size, sequence_length)。

注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。

ZoeDepthForDepthEstimation 的 forward 方法会覆盖 __call__ 特殊方法。

尽管前向传播的流程需要在此函数中定义，但之后应该调用 Module 实例而不是此函数，因为前者会处理预处理和后处理步骤，而后者会默默地忽略它们。

示例

>>> from transformers import AutoImageProcessor, ZoeDepthForDepthEstimation
>>> import torch
>>> import numpy as np
>>> from PIL import Image
>>> import requests

>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image = Image.open(requests.get(url, stream=True).raw)

>>> image_processor = AutoImageProcessor.from_pretrained("Intel/zoedepth-nyu-kitti")
>>> model = ZoeDepthForDepthEstimation.from_pretrained("Intel/zoedepth-nyu-kitti")

>>> # prepare image for the model
>>> inputs = image_processor(images=image, return_tensors="pt")

>>> with torch.no_grad():
...     outputs = model(**inputs)

>>> # interpolate to original size
>>> post_processed_output = image_processor.post_process_depth_estimation(
...     outputs,
...     source_sizes=[(image.height, image.width)],
... )

>>> # visualize the prediction
>>> predicted_depth = post_processed_output[0]["predicted_depth"]
>>> depth = predicted_depth * 255 / predicted_depth.max()
>>> depth = depth.detach().cpu().numpy()
>>> depth = Image.fromarray(depth.astype("uint8"))

< > 在 GitHub 上更新

Transformers

ZoeDepth

注意

资源

ZoeDepthConfig

class transformers.ZoeDepthConfig

ZoeDepthImageProcessor

class transformers.ZoeDepthImageProcessor

preprocess

ZoeDepthImageProcessorFast

class transformers.ZoeDepthImageProcessorFast

preprocess

ZoeDepthForDepthEstimation

class transformers.ZoeDepthForDepthEstimation

forward