EcoDepth

用扩散模型让单目深度估计更准,零样本也能测深度。

EcoDepth是CVPR 2024收录的单目深度估计项目,旨在解决扩散模型在深度估计中条件利用不足的问题。它通过有效条件化Stable Diffusion,实现高精度的零样本单目深度估计,尤其在室内外场景的度量深度预测上表现突出。项目核心能力包括:利用扩散模型的生成先验提升深度估计的细节与一致性,支持零样本泛化到未见场景,并提供官方训练与推理代码。其方法在多个基准上达到SOTA,但项目处于早期阶段,文档和社区支持有待完善。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 220
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队Aradhye2002
所属国家
定价模式free
价格说明开源项目,代码公开,可自行部署使用,无收费版本。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型cvpr2024,deep-learning,depth-estimation,metric-depth-estimation,monocular-depth-estimation,stable-diffusion,zero-shot-transfer
GitHub 星标★ 220
30天Star增速
HF 下载量
上线时间2024-03-17 00:00:00
最近更新2026-08-05 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • CVPR 2024官方实现,方法有学术背书
  • 零样本度量深度估计,泛化能力强
  • 基于Stable Diffusion,细节恢复好

不足之处

  • 文档/社区待观察
  • 依赖扩散模型,推理速度可能较慢

适用场景

  • 室内外场景深度感知
  • 机器人导航与避障
  • 增强现实中的空间理解

替代项目

ZoeDepth、MiDaS、Depth Anything

项目介绍

EcoDepth 是计算机视觉领域的开源项目,由 Aradhye2002 开发,2024 年首次发布。

它收录于计算机视觉分类,该分类目前共有 446 个项目,GitHub 星标数为 220。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-08-05。代码公开,可自行部署使用,无收费版本。

它主要面向的使用场景是:室内外场景深度感知。同类可对比的替代方案包括 ZoeDepth、MiDaS、Depth Anything。

上一篇:DZ-FaceDetailer

下一篇:ComfyUI-Qwen-VL-API

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14