Model Detayları
Depth Anything V2, tek görüntüden derinlik tahmini yapar: bir fotoğraf verirsiniz, o da daha parlak piksellerin daha yakını, daha koyu piksellerin daha uzağı gösterdiği gri tonlamalı bir derinlik haritası döndürür. Prompt, kamera verisi ya da elle ince ayar gerekmez — içeri tek bir görsel URL’si girer, dışarı aynı boyutlarda tek bir derinlik haritası görsel URL’si çıkar. Tek görüntüden derinlik tahmini için geliştirilen Depth Anything V2 temel modeli (NeurIPS 2024) üzerine kuruludur; iç mekân sahnelerinde, dış mekân manzaralarında, portrelerde ve sentetik render’larda temiz ve sağlam derinlik üretir — derinlik koşullu görsel üretiminde ilk akla gelen preprocessor olmasının nedeni de budur.\n\n## En uygun olduğu işler\n- ControlNet / derinlik koşullu diffusion pipeline’larını yönlendirecek bir derinlik haritası kontrol görseli üretmek\n- Derinlik sensörü olmadan sıradan bir fotoğraftan piksel başına göreli derinlik tahmin etmek\n- 2.5D paralaks, yeniden aydınlatma, sis ve kompozit için derinlik pass’ları hazırlamak\n- 3D rekonstrüksiyon ya da sahne anlama için referans fotoğrafları derinlik haritalarına dönüştürerek ön işlemden geçirmek\n- Tek tip bir görünüm için bir grup durağan görselde tutarlı derinlik koşullandırması üretmek\n\n## Şu durumlarda başka bir model seçin\n- Derinlik yerine kenar/çizgi koşullandırması istiyorsanız — bir Canny ya da line-art preprocessor’ı kullanın\n- Fotoğrafın derinliğini tahmin etmek yerine fotoğrafın kendisini üretmek ya da düzenlemek istiyorsanız — bir text-to-image ya da görsel düzenleme modeli kullanın\n- Çıktı olarak 2D bir derinlik görseli yerine dokulu bir 3D mesh gerekiyorsa — bir image-to-3D modeli kullanın\n- Gerçek dünya birimlerinde gerçek metrik derinlik gerekiyorsa — bu model kalibre edilmiş mesafeleri değil, göreli derinliği tahmin eder\n\n## İpuçları\n- Elinizdeki en yüksek çözünürlüklü kaynağı verin; derinlik haritası girdinin boyutlarında döner, yani ne kadar detay verirseniz o kadar detay alırsınız.\n- Ön plan/arka plan ayrımı net olan fotoğraflar, sonraki koşullandırma adımları için en kullanışlı haritaları verir.\n- Çıktı, doğrudan bir depth ControlNet’e kontrol görseli olarak verebileceğiniz standart bir gri tonlamalı görseldir.\n\n## Sınırlamalar\n- Metrik değil, göreli derinlik tahmin eder — değerler görseller arasında değil, yalnızca tek bir görselin içinde karşılaştırılabilir.\n- İnce yapılar, yansıtıcı ve saydam yüzeyler ve aşırı yakın çekimler belirsiz sonuç verebilir.\n\nModelRunner JavaScript client ile çalıştırmak için:\n```js\nimport { modelrunner } from \"@modelrunner/client\";\n\nconst result = await modelrunner.subscribe(\"depth-anything/v2\", {\n input: {\n image_url: \"https://media.modelrunner.ai/example-scene.png\",\n },\n});\n```