Video Depth Anything:超长视频一致深度估计新模型
针对单目深度估计在视频中存在的时序不一致问题,该研究提出 Video Depth Anything 模型。基于 Depth Anything V2 架构替换为高效时空头,通过约束时间梯度设计一致性损失,无需额外几何先验即可实现超长视频(数分钟)的高质量一致深度估计。采用关键帧策略支持长视频推理,在多个基准测试中达到零样本状态最先进水平,最小模型可实现实时性能。
推荐理由:该工作提出 Video Depth Anything,在超长视频上实现高质量一致深度估计,且无需额外几何先验或牺牲效率。