本文由 资源共享网 – ziyuan 发布，转载请注明出处，如有问题请联系我们！单目深度估计模型

depth_anything_v2_vits.pth是Depth Anything V2单目深度估计项目中，Small版本模型的PyTorch格式预训练权重文件，属于该项目轻量化版本的权重文件。‌

核心信息解析

1. ‌所属项目定位‌：Depth Anything V2是NeurIPS 2024的最新研究成果，是当前效果领先的开源单目深度估计模型，用于从单张RGB图像预测像素级深度信息，广泛应用于计算机视觉、3D重建、AI绘画、AR等场景。

2. ‌后缀含义说明‌：

• v2：代表第二代版本，相比V1在细节还原和鲁棒性上有明显提升

• vits：代表采用ViT-Small（Small版本）骨干网络，参数量仅‌25M‌，是该项目四个可用版本中参数最小、速度最快的版本，适合实时推理和边缘设备部署

• .pth：是PyTorch原生的模型权重存储格式，用于保存训练好的模型参数，需要配合项目源码中的模型结构加载使用

主要使用场景

该权重主要用于以下场景：

1. 作为轻量化深度估计模型，用于单张图像/视频帧的实时深度估计推理

2. 在AI绘画工作流中，为ControlNet生成深度图条件，精准控制画面空间结构

3. 边缘设备部署时，满足低计算资源下的深度估计需求，Small版本在V100 GPU上仅需60ms即可完成推理

基础加载流程示例

参考官方流程，该权重的基础加载代码如下：

pythonimport torchfrom depth_anything_v2.dpt import DepthAnythingV2# 初始化对应规模的模型结构model = DepthAnythingV2(encoder='vits', features=64, out_channels=[48, 96, 192, 384])# 加载pth权重文件model.load_state_dict(torch.load('depth_anything_v2_vits.pth', map_location='cpu'))
model.eval()