Madde #325Görü & Multimodal/sozluk/depth-anything
Depth Anything
Depth Anything (Yang et al., 2024 / TikTok & HKU)
Türkçe: Her Şeyin Derinliğini Kestirme Modeli
Ayrıntılı Tanım
Özel derinlik sensörlerine (LiDAR) ihtiyaç duymadan, internetteki yüz milyonlarca sıradan 2D fotoğraftan yola çıkarak tek bir renkli fotoğraftan piksellerin kameraya olan göreli veya mutlak uzaklığını (**monoküler derinlik haritası**) kestiren devrimci temel modeldir.
Ne İşe Yarar / Çözülen Problem
Pahalı 3D kameraları gereksiz kılar; 2D fotoğrafları 3D uzamsal sahnelere dönüştürmeyi, robotik navigasyonu ve video oyunları için 3D dünya inşasını son derece kolaylaştırır.
Nasıl Çalışır? (Teknik & Mekanizma)
Devasa miktardaki etiketsiz görsel üzerinde yarı denetimli ve öz-denetimli öğrenme ile eğitilir. Model her piksel için arası bir derinlik değeri üretir (yakındaki nesneler parlak beyaz, uzaktaki dağlar koyu siyah).
Örnek Senaryo & Pratik Uygulama
100 yıl önce çekilmiş siyah beyaz eski bir aile fotoğrafını sisteme yüklediğinizde, Depth Anything'in saniyeler içinde insanların ve odanın 3D kabartma derinlik modelini çıkarıp fotoğrafın içinde sanal bir kamerayla gezmenizi sağlaması.
Benzer Terimlerden Farkı
Klasik stereo kameralar gibi iki farklı açı aramaz; tek bir monoküler fotoğraftaki ışık, gölge ve perspektif ipuçlarından insan beyni gibi 3D derinlik algılar.
İlişkili Terimler (2)
Bilgisayarlı Görü, Çok Modlu ve Üretken Yapay Zekâ
CNN, Vision Transformers (ViT), Diffusion, GAN, VAE ve Multimodal modeller.
Toplam Terim:53 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#324)Segment Anything Model (SAM)
Sonraki Terim (#326)Information Retrieval (IR)