К содержимому
Другое

Depth Pro2-focal

оценщик фокусного расстояния от Apple

1 мин чтенияобновлено

Модель DepthPro2-focal представляет собой специализированный компонент из новой линейки Depth Pro 2 от Apple, предназначенный для предсказания фокусного расстояния в пикселях для отдельных фотографий и видеокадров. Скромный размер в 23.5M параметров позволяет быстро интегрировать оценку фокуса в пайплайны обработки изображений и видео. Модель помогает восстанавливать метрическую глубину и геометрию сцены даже в тех случаях, когда исходные метаданные кадра утеряны. Инструмент пригодится разработчикам компьютерного зрения, исследователям и создателям мультимедийных приложений, работающим с пространственным анализом.

Ключевые особенности

  • Компактный размер: всего 23.5 миллиона параметров для быстрой работы.
  • Специализация: точное определение фокусного расстояния в пикселях для фото и видео.
  • Удобная интеграция: простой запуск через официальную библиотеку с поддержкой PyTorch и CUDA.

Что можно сделать

  • Анализ кадров: встраивать оценку фокуса в видеопайплайны для обработки клипов покадрово.
  • Обработка фото: восстанавливать фокусное расстояние для изображений без EXIF-данных.
  • Исследовательские проекты: использовать компонент в задачах компьютерного зрения и восстановления глубины.

Пример

from functools import partial
import torch
from depth_pro_2 import load_rgb
from depth_pro_2.model import to_normalized_tensor
from depth_pro_2.network.fov import FOVEstimator

fov = FOVEstimator.from_pretrained("apple/DepthPro2-focal").to("cuda").eval()
transform = partial(to_normalized_tensor, device=torch.device("cuda"))

image, _ = load_rgb("photo.jpg")
with torch.no_grad():
    f_px = fov.focal_length_px(transform(image)[None])
ПодробнееПараметры: 23.5M
Библиотека: depth-pro-2
Лицензия: Apple Machine Learning Research Model license (только для некоммерческих научных и академических исследований)
Обсудить Telegram 21 370

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.1 GB · готовые файлы0.6 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # apple/DepthPro2-focal
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download apple/DepthPro2-focal --local-dir ~/models/DepthPro2-focal
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DepthPro2-focal
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии DepthPro2-focal — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

apple/DepthPro2-focal
Автор
apple
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

37021

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

FOCAL-Finetune

FOCAL-Finetune