一、背景

深度估计是计算机视觉领域的一项重要任务，旨在从单张RGB图像中预测每个像素到相机的距离信息，生成对应的深度图。这项技术在自动驾驶、机器人导航、增强现实、3D重建等众多应用中发挥着关键作用。

Depth-Anything-V2 是 Depth-Anything 项目的第二代版本，由腾讯ARC Lab开发。相比前代，V2版本在模型架构、训练策略和性能上都有显著提升。它采用了更强大的视觉Transformer（ViT）作为编码器，支持多种模型尺寸（ViT-S、ViT-B、ViT-L、ViT-G），能够适应不同计算资源和精度需求。

本文将通过实际示例，详细介绍如何使用 Depth-Anything-V2 进行深度估计，包括环境配置、模型选择、参数调整等关键步骤。

图1 原图

图2 深度估计图

二、代码

代码主页：https://github.com/DepthAnything/Depth-Anything-V2

2.1 下载代码与安装运行环境

git clone https://github.com/DepthAnything/Depth-Anything-V2

cd Depth-Anything-V2

pip install -r requirements.txt

2.2 运行脚本

python run.py \
  --encoder 模型名称 \
  --img-path 图片路径 \
  --outdir 输出目录 \
  --input-size 输入尺寸 \
  [--pred-only] \
  [--grayscale]

示例1：使用 ViT-S 模型

python run.py \
  --encoder vits \
  --img-path ./test.jpg \
  --outdir ./output

示例2：使用 ViT-B 模型，指定输入尺寸

python run.py \
  --encoder vitb \
  --img-path ./test.jpg \
  --outdir ./output \
  --input-size 518

示例3：只输出深度预测结果

python run.py \
  --encoder vitl \
  --img-path ./test.jpg \
  --outdir ./output \
  --pred-only

这里的 --pred-only 是一个开关参数，不需要填写值。

示例4：输出灰度深度图

python run.py \
  --encoder vitg \
  --img-path ./test.jpg \
  --outdir ./output \
  --grayscale

示例5：同时使用多个选项

python run.py \
  --encoder vitl \
  --img-path ./images/test.jpg \
  --outdir ./depth_results \
  --input-size 518 \
  --pred-only \
  --grayscale

三、备注

vits | vitb | vitl | vitg 四个模型能力依次增强，vitb 一般就挺好用了。