Toolifai logo
Toolifai 编辑整理

Depth Anything

AI模型单目深度估计

Depth Anything是专注于单目深度估计的技术项目官网，核心定位是提供可泛化的单目视觉深度估计基础模型

Depth Anything是专注于单目深度估计的技术项目官网，核心定位是提供可泛化的单目视觉深度估计基础模型。核心功能包括开源模型资源下载、零样本深度估计效果演示、不同微调版本的效果对比展示，同时提供配套的技术论文、训练数据说明文档。目标用户覆盖计算机视觉研究人员、自动驾驶算法开发人员、AR/VR内容创作者、影视后期制作人员等，可应用于3D场景重建、自动驾驶环境感知、AR虚实融合效果调校、影视景深特效生成等多个场景，为需要从单张图像获取深度信息的工作提供模型支撑。

访问官网
国内可访问编辑评分 3.5免费AI模型热度第 33 / 178 名收录证明开发者认领
官网预览官网首页：Depth Anything 界面预览（ 截图）1 / 1
适用对象
计算机视觉研究人员(深度估计方向研究)
主要功能
零样本深度估计、开源模型下载
计费方式
免费
平台
网页
已收录
2026.06.14（144 天）
阅读目录

编辑评测与站内热度

3.5

编辑综合评分

满分 5 分

热度人气64
内容完整93
社区口碑58
免费程度95
资料深度55
核验可信85

六维指标基于站内真实数据（热度、社区反馈、资料完整度、可达性核验等）综合评估，非用户投票。

全站热度排名

#1070

分类内排名

#33 / 178

累计站内点击

7

近 7 日点击

6

排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。

Depth Anything是什么，怎么使用？

约 4 分钟

Depth Anything是专注于单目深度估计的技术项目官网，核心定位是提供可泛化的单目视觉深度估计基础模型。核心功能包括开源模型资源下载、零样本深度估计效果演示、不同微调版本的效果对比展示，同时提供配套的技术论文、训练数据说明文档。目标用户覆盖计算机视觉研究人员、自动驾驶算法开发人员、AR/VR内容创作者、影视后期制作人员等，可应用于3D场景重建、自动驾驶环境感知、AR虚实融合效果调校、影视景深特效生成等多个场景，为需要从单张图像获取深度信息的工作提供模型支撑。

主要功能

  • 零样本深度估计：用户无需对模型进行额外微调，只需上传任意场景下的普通RGB图像，模型即可自动输出对应的深度图，深度信息与图像内容的空间位置对应，可直接用于后续的3D建模、景深特效生成等工作，适配户外街景、室内场景、人像等多种拍摄场景，降低了非专业训练用户的使用门槛。
  • 开源模型下载：官网提供多个不同参数规模的预训练模型下载入口，用户可根据自身设备算力和应用需求选择对应的版本，所有模型均提供完整的调用代码示例，支持本地部署运行，适配PyTorch等主流深度学习框架，方便研究人员和开发人员二次开发或集成到自有项目中。
  • 效果在线演示：网站内置在线演示功能，用户无需本地部署环境，可直接上传本地图像或选择网站提供的样例图像，实时查看模型生成的深度估计结果，支持对比原始图像与深度图的差异，还可切换不同版本的模型查看输出效果差异，方便用户快速验证模型适配性。
  • 技术文档说明：官网提供完整的技术论文、训练方法说明、数据集构建逻辑介绍，详细说明了数据引擎构建、大规模未标记数据标注、训练策略优化的具体实现方式，方便计算机视觉领域的研究人员了解模型原理，也为相关方向的研究提供参考思路。
  • 微调版本展示：网站展示了基于NYUv2、KITTI等专业数据集微调后的模型效果，包含室内场景深度度量、室外自动驾驶场景深度测量的测试结果，用户可查看不同微调方向的模型精度表现，为特定场景下的模型选型提供参考，也可参考微调方法适配自有业务场景。
  • ControlNet适配说明：官网提供了模型与深度条件ControlNet的适配方法说明，介绍了如何将Depth Anything生成的深度图作为ControlNet的控制条件，生成符合空间逻辑的AI绘画作品，相关示例展示了深度控制下的AI图像生成效果，为AIGC创作者提供新的控制维度。

怎么使用

  1. 访问Depth Anything官网，首页可查看项目的核心介绍、技术背景和基础能力说明，快速了解模型的适用场景和效果上限，判断是否符合自身使用需求。
  2. 若需要快速验证效果，找到在线演示模块，点击上传按钮选择本地的JPG、PNG格式图像，或选择网站提供的样例图像，等待模型处理。
  3. 查看在线生成的深度估计结果，可切换不同模型版本对比输出差异，若效果符合预期，可点击下载按钮保存生成的深度图到本地使用。
  4. 若需要本地部署或二次开发，进入模型下载页面，根据自身算力选择小型、中型或大型版本的预训练模型，下载对应的权重文件和调用代码。
  5. 参照官网提供的部署文档，配置Python、PyTorch等运行环境，运行示例代码测试模型调用，也可参考微调教程，使用自有数据集对模型进行场景适配训练。

适合什么人群

  • 计算机视觉研究人员(深度估计方向研究)
  • 自动驾驶算法工程师(环境感知模块开发)
  • AR/VR开发人员(虚实空间位置校准)
  • 影视后期制作人员(景深特效生成)
  • AIGC创作者(AI绘画空间逻辑控制)
  • 3D建模师(单图3D场景重建)

总结

这个项目是单目深度估计领域中落地性较强的基础模型项目，相较于同类需要大量场景微调的模型，它的零样本泛化能力表现突出，不需要针对特定场景做大量标注训练，就能输出符合空间逻辑的深度结果。项目团队没有追求复杂的技术模块堆叠，而是通过大规模数据标注和训练策略优化提升模型能力，6200万规模的自动标注数据覆盖了绝大多数日常场景，降低了用户的适配成本。网站不仅提供可直接使用的模型资源，还公开了完整的训练方法和技术细节，既方便应用开发人员直接集成，也给相关方向的研究人员提供了可行的技术路径。目前该模型已经被广泛应用在3D重建、自动驾驶、AIGC等多个领域，是单目深度估计方向值得关注的项目，对于需要从单张图像获取深度信息的工作来说，是一个成本较低的解决方案。

价格与免费额度

Depth Anything的所有预训练模型、源代码、技术文档均面向公众免费开放，无付费版本，用户可直接下载使用，没有使用次数、功能限制，非商业用途和商业用途均可在遵守项目开源协议的前提下自由使用。若需要定制化的模型微调服务或技术支持，可通过项目GitHub仓库的联系方式联系开发团队协商，对于普通用户来说，免费开放的资源即可满足大多数场景的使用需求。

优点与不足

优点

  • 零样本泛化能力较强，无需针对普通场景微调即可输出可用的深度结果
  • 提供多个参数规模的预训练模型，适配从嵌入式设备到云端服务器的不同算力环境
  • 开源完整的训练方法和代码，支持用户基于自有数据集进行场景定向微调
  • 适配深度条件ControlNet，可直接用于AIGC创作的空间维度控制
  • 技术文档完善，包含论文、部署教程、微调指南等内容，降低用户使用门槛

不足

  • 无内置的度量深度校准功能，输出的是相对深度，需要额外微调才能获取精确的距离数值
  • 在线演示功能支持的图像分辨率有限，高分辨率图像需要本地部署模型处理
  • 没有提供可视化的参数调整界面，新手用户调整输出效果需要修改代码参数
  • 部分边缘场景如透明物体、镜面反射区域的深度估计结果误差较大

能帮你做的 8 件事

  1. 01零样本深度估计
  2. 02开源模型下载
  3. 03效果在线演示
  4. 04技术文档说明
  5. 05单目深度估计场景的常用方案
  6. 06计算机视觉场景的常用方案
  7. 07计算机视觉研究人员(深度估计方向研究)的日常效率工具
  8. 08零成本体验完整核心功能

更新历史

  • Depth Anything 收录进 Toolifai 目录
  • 页面资料核验与信息更新

常见问题

Depth Anything输出的深度图是绝对深度还是相对深度？

默认的预训练模型输出的是相对深度，即不同像素点之间的远近关系是准确的，但没有统一的度量尺度，无法直接获取像素对应物体的真实距离数值。如果需要获取绝对度量深度，需要使用NYUv2、KITTI等带有真实深度标注的数据集对模型进行微调，微调后的模型可以输出对应场景下的绝对深度值，适配需要精确距离测量的场景，如自动驾驶环境感知、工业视觉尺寸测量等。

有帮助吗

使用Depth Anything需要什么样的硬件配置？

不同参数规模的模型对硬件的要求不同，小型模型可在普通消费级显卡（如GTX 1650及以上）上流畅运行，处理一张1080P图像仅需数十毫秒；中型和大型模型建议使用显存8G以上的NVIDIA显卡运行，若没有独立显卡，也可使用CPU运行，不过处理速度会较慢，处理一张1080P图像需要数秒到数十秒不等。同时项目也支持部署在边缘设备上，经过模型量化压缩后，可在部分嵌入式AI芯片上实时运行。

有帮助吗

可以将Depth Anything用于商业项目吗？

该项目采用Apache 2.0开源协议，用户可以自由将模型用于商业项目，不需要向开发团队支付费用，只需在项目的版权说明中注明原项目的来源即可。如果需要对模型进行修改后再分发，也需要遵守Apache 2.0协议的相关要求，保留原有的版权声明。目前已有多个商业公司将该模型集成到自动驾驶、3D扫描、AIGC创作等相关的商业产品中，协议允许合法的商业使用。

有帮助吗

如何提升特定场景下的深度估计精度？

如果通用预训练模型在你的目标场景下效果不符合预期，可以准备该场景下的带深度标注的数据集，对预训练模型进行微调。官网提供了完整的微调教程，只需按照教程准备数据集，调整对应的训练参数，即可完成微调。通常仅需数百张标注图像，就可以大幅提升模型在特定场景下的精度，也可以参考项目的训练策略，加入对应场景的未标注数据进行半监督训练，进一步提升泛化能力。

有帮助吗

Depth Anything和其他单目深度估计模型相比有什么不同？

该模型的核心优势是泛化能力，通过大规模的未标注数据训练，覆盖了绝大多数日常拍摄场景，不需要针对每个场景做单独的微调，就能输出稳定的深度结果。而多数同类单目深度估计模型通常是在特定小数据集上训练，跨场景使用时误差会大幅上升。同时该项目提供了完整的生态适配，包括ControlNet集成、多框架部署支持等，方便用户快速集成到自有项目中，不需要额外做大量的适配工作。

有帮助吗

开始使用 Depth Anything

从官方入口了解最新功能与使用方式。

前往官网

由 Toolifai 编辑维护

欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。

参考来源官方产品介绍最近核验
提交资料更新邮件反馈

大家对 Depth Anything 的点评

加载中…

写点评

每周三，一封 AI 工具周刊

编辑精选本周值得试的新工具与真实用法，5 分钟读完，已连续更新 5 期。

每周一封，随时可退订。往期内容见AI 工具周刊归档。

同类替代工具

DeepSeek

DeepSeek是国内专注于大模型技术研发的公司推出的智能对话产品，核心搭载DeepSeek-R1推理模型与DeepSeek-V3通用模型，支持深度逻辑推理、多场景代码生成、复杂数学问题解答等能力，模型开源开放可本地部署。产品面向技术开发人员、科研工作者、学生群体、职场办公人员等用户，可满足代码调试、学术研究、习题解答、方案推导等多场景使用需求，为用户提供高效的智能辅助服务。

#DeepSeek#开源AI#大模型
对比

文心大模型

文心大模型是百度推出的生成式AI服务平台，依托深度学习技术为用户提供多模态AI创作与交互能力。核心功能包括多轮智能对话、多风格文本生成、跨模态文生图、多模态理解分析等，可满足内容创作、创意策划、信息查询、知识学习等多类需求。目标用户覆盖内容创作者、学生、职场人士、科研人员、企业运营人员等，适用于文案撰写、创意构思、作业辅助、工作提效、行业解决方案搭建等多种场景。

#生成式AI#AI写作#文生图
对比

DeepSeek-R1-Lite-Preview

DeepSeek-R1-Lite-Preview是深度求索（DeepSeek）推出的聚焦推理能力的AI模型预览版本，核心定位是为用户提供具备长链条逻辑推导能力的智能交互服务。核心功能包括数学问题推理求解、多领域逻辑任务处理、透明化思考过程展示，可将每一步推导逻辑同步呈现给用户。目标用户覆盖科研人员、教育工作者、开发者、学生、企业技术人员等群体，适用于数学题解验证、技术问题推导、逻辑类任务原型开发、推理类AI应用功能测试等场景，帮助用户完成需要复杂逻辑思考的相关任务。

#AI推理模型#数学解题工具#大模型预览
对比

DeepSeek Online

DeepSeek Online是一个提供在线访问DeepSeek V3开源大语言模型的平台，用户无需本地部署模型、无需配置运行环境，直接通过浏览器即可调用大语言模型的完整能力。平台支持多场景文本生成、逻辑推理、代码编写、知识问答等多种需求，核心功能包括文本对话交互、代码生成调试、多模态内容处理、推理解题、文档总结整理等，面向学生、开发者、内容创作者、科研人员、职场办公人员等不同群体，适用于日常知识查询、工作内容整理、项目代码开发、学习辅导、创意内容产出等多种使用场景。

#大语言模型#在线AI#DeepSeek V3
对比

更多同类选择见AI模型分类页，按分类整理全部替代方案与两两对比。

热门对比

Depth Anything vs DeepSeekDepth Anything vs 文心大模型Depth Anything vs DeepSeek-R1-Lite-PreviewDepth Anything 的替代品

大家还在搜

单目深度估计工具计算机视觉工具开源模型工具3D重建工具自动驾驶工具AIGC工具工具

推荐产品

推广
Youdao TranslateYoudao Translate是网易旗下的在线翻译服务平台，核心定位为面向多场景的跨语言交流辅助工具。平台支持100余种语言的互译，核心功能包含文本即时翻译、文档格式保留翻译、实时语音口译，能够满足日常交流、学习查阅、工作协作等不同场景下的翻译需求。目标用户覆盖学生、职场人士、跨境从业者、内容创作者、科研人员等多个群体，用户无需下载客户端，通过浏览器访问即可快速完成各类翻译任务，降低跨语言沟通的信息获取门槛。文心一言DuJia是百度推出的整合百度AIGC能力的AI视频创作平台，核心定位为帮助用户降低视频制作门槛、提升内容创作效率。平台支持文本生成视频、素材智能编辑、音视频自动匹配三类核心功能，面向内容创作者、营销从业者、教育工作者等多类用户，可应用于短视频内容制作、企业宣传物料产出、教学课程视频剪辑、个人生活记录成片等多种场景，无需复杂的专业剪辑基础即可完成符合需求的视频作品输出。豆包豆包是字节跳动推出的AI虚拟助手，核心定位为面向大众的通用型智能交互工具，可提供信息查询、内容创作、多模态交互三类核心服务。支持用户获取各类常识资讯、生成不同体裁的文本内容，还能识别图像、音频信息完成对应任务，覆盖学生、职场人士、内容创作者、普通生活服务使用者等多类群体，可应用于日常学习辅助、职场办公提效、生活问题解答、休闲互动交流等多个场景，帮助用户降低信息获取与内容产出的成本。剪映CapCut是字节跳动推出的视频创作平台，整合剪辑工具、特效资源与AI能力为一体，可满足不同创作者的内容制作需求。核心功能包含自动字幕生成、智能抠像与海量可复用模板，支持对视频进行多维度加工处理。平台面向内容创作者、运营人员、商业剪辑师等群体，可应用于短视频创作、社交媒体内容输出、商业宣传物料制作、个人生活记录剪辑等多种场景，支持多端同步使用，降低视频制作的操作门槛。Qwen ChatQwen Chat是阿里通义推出的聚合多系列Qwen大模型的AI交互平台，核心定位为一站式AI生产力工具。核心功能包含多模型同步对话对比、多格式文档问答解析、可交互人工制品生成三大模块，同时支持图像内容理解、HTML内容预览等扩展能力。目标用户覆盖学生、教育工作者、开发者、内容创作者、职场办公人员、研究人员等多个群体，可满足知识点答疑、文档内容提取、代码开发辅助、内容创作生成、办公资料处理等多种使用场景，为不同需求的用户提供多元的AI交互服务。Kimi 智能助手Kimi是由月之暗面推出的智能对话助手产品，核心定位为具备大信息容量处理能力的生成式AI工具。该产品支持超长上下文理解功能，可承接大篇幅文本内容的信息梳理需求，同时支持多类型文件解析，能识别文档、表格等格式文件的内容并进行处理，另外还可完成内容生成、逻辑推导等常规智能交互任务。目标用户覆盖内容创作人员、学术研究人员、职场办公人员、学生群体等。使用场景包括长文档内容梳理、多文件信息整合、稿件内容生成、专业问题答疑、学习资料整理等多个方面，能够帮助用户提升信息处理的效率。MidjourneyMidjourney是知名AI图像生成平台，核心定位为通过自然语言输入生成高质量视觉作品的创作辅助工具。其核心功能包含文本生成图像、局部画面重绘、多轮迭代优化，可满足不同创作阶段的调整需求。该平台主要面向创意领域从业者及爱好者，可广泛应用于概念设计、插画创作、游戏原画产出、广告创意视觉落地、当代视觉艺术探索等多个场景，帮助创作者降低视觉落地的执行门槛，拓展创意表达的边界。QQ音乐TME Studio是腾讯音乐旗下的AI音乐生成工具平台，由银河音效、MUSE、天琴实验室、腾讯AI实验室联合研发，依托腾讯音乐的海量音乐版权数据与技术积累，为音乐创作相关用户提供一站式AI辅助创作服务。核心功能包含AI词曲生成、AI演唱调教、AI音效处理三大模块，既支持专业音乐人快速搭建作品雏形，也允许音乐爱好者无需复杂专业技能即可完成音乐作品创作，可应用于demo快速制作、短视频BGM生成、翻唱作品二次创作、个人原创音乐尝试等多种场景。Qwen-Image AIQwen-Image AI是阿里巴巴推出的AI图像生成平台，核心定位为面向中文用户的高精度AI图像创作工具，依托通义千问技术体系，支持中文文本生成图像、精准中文文本渲染、图像编辑拓展等功能。平台主打高真实感图像生成与准确的中文文字生成能力，可满足不同创作场景的图像需求。目标用户覆盖平面设计师、内容创作者、电商运营人员、学生、手工创作者、商业品牌策划人员等，适用于商业宣传图制作、社交内容配图创作、设计概念图生成、带中文文字的文创产品设计等多种使用场景。WPS OfficeWPS Office是面向全场景办公需求的办公生产力工具，核心定位是为个人、团队及企业提供覆盖文档创作、数据处理、演示呈现、协作共享全流程的办公服务。核心功能包含多格式兼容的文档编辑套件、AI驱动的智能办公辅助能力、跨设备同步的云协作体系，可满足学生、职场人士、中小微企业、机构单位等不同群体，在日常学习文案撰写、工作数据统计、项目方案汇报、跨部门协同办公等多种场景下的使用需求，支持Windows、Mac、Android、iOS、Linux等多系统运行，无需额外安装多个工具即可覆盖多数办公场景。