К содержимому
Другое

ZipDepth-EdgePad

быстрая карта глубины для видео и GPU без трансформеров

2 мин чтенияобновлено

Набор сверхлёгких ONNX-моделей для оценки монокулярной глубины по одному кадру, подготовленный командой Nightfall на базе сверточной сети ZipDepth (6,1 млн параметров, дистиллированной из Depth Anything V2 Large). В архитектуре нет операций attention и трансформеров, благодаря чему граф целиком выполняется на GPU без переброски промежуточных тензоров на CPU. В репозитории выложены два поколения под ПК (Nightfall Meteor): точная графовая оптимизация квадратной модели Square EdgePad и дообученная версия Widescreen EdgePad для широкоформатного видео 16:9 со сниженным межкадровым мерцанием. Подойдёт разработчикам 3D-эффектов, VR/AR-приложений и видеоредакторов, которым нужна быстрая и плавная карта глубины в реальном времени.

Ключевые особенности

  • Компактность и скорость: всего 6,1M параметров и чисто сверточная архитектура (дообучался только декодер на 154 005 параметров).
  • Два формата под разные задачи: zipdepth_edgepad_384.onnx (384×384) без изменения весов и широкоформатные zipdepth_wide_512x288.onnx и zipdepth_wide_672x384.onnx под 16:9.
  • Стабильность на видео: Widescreen-версия дообучалась на дистиллированных метках Video Depth Anything Small и Marigold V2, чтобы уменьшить дрожание глубины между кадрами.
  • Открытая лицензия: модели распространяются под лицензией MIT и готовы к запуску через стандартный ONNX Runtime.

Что можно сделать

  • Конвертация 2D-видео в 3D: использовать широкоформатные ONNX-модели в пайплайнах рендеринга стереовидео или параллакс-эффектов для роликов 16:9.
  • VR/AR и интерактивная графика: встроить лёгкую оценку глубины в десктопные приложения и шейдеры (как в Nightfall Meteor) без высокой нагрузки на видеокарту.
  • Постобработка и сегментация по планам: строить маски переднего и заднего плана для размытия фона или цветокоррекции в видеоредакторах.

Пример

Модель принимает RGB-тензор image в формате NCHW [1, 3, H, W] типа float32 со значениями от 0 до 1 (нормализация ImageNet уже вшита внутрь графа). На выходе получается карта относительной обратной глубины того же разрешения, где большие значения соответствуют более близким объектам; перед использованием её нужно нормализовать (например, растянув между нижним и верхним перцентилями).

ПодробнееКачество на отложенной видеовыборке (512×288 против стандартного экспорта ZipDepth того же размера): мерцание на статичных сценах снижено на 8,6%, ошибка оптического потока (flow-warped error) — на 5,8%, межкадровое изменение — на 8,4%.
Математическая точность оптимизации Square EdgePad относительно исходного графа ZipDepth: корреляция 0.9999999999999908 и нормализованная MAE 3.6e-8.
Ограничения: модель не имеет памяти и обрабатывает каждый кадр независимо (временная согласованность заложена только через функции потерь при обучении); на выходе выдаётся относительная глубина без фиксированного масштаба в метрах.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 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 · BF16 — 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.

    # lc700x/ZipDepth-EdgePad
    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 lc700x/ZipDepth-EdgePad --local-dir ~/models/ZipDepth-EdgePad
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ZipDepth-EdgePad
  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 ZipDepth-EdgePad — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

lc700x/ZipDepth-EdgePad
Автор
lc700x
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии