Depth Anything 3

Installation

Depth Anything 3 ne demande aucun extra optionnel. Tout ce qu'il importe fait partie de l'installation de base.

pip install libreyolo

Prédire

Les poids sont téléchargés depuis Hugging Face au premier usage, puis mis en cache localement.

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreDepthAnything3l-depth.pt")result = model(SAMPLE_IMAGE, save=True) depth = result.depth_mapprint(depth.min, depth.max, depth.mean)

libreyolo predict model=LibreDepthAnything3l-depth.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreDepthAnything3l-depth.pt")result = model(SAMPLE_IMAGE) depth = result.depth_map    # DepthMap dense (H, W), plus grand = plus procheraw = depth.data                # tenseur, sans unité ni échelle communenormalized = depth.normalized() # ramené à [0, 1] pour la visualisation

result.depth_map porte une carte dense de profondeur inverse relative : des valeurs plus élevées signifient plus proche de la caméra, et ces valeurs n'ont ni unité métrique ni échelle commune d'une image à l'autre. Le checkpoint amont produit une profondeur relative positive ; le wrapper réseau de LibreYOLO l'inverse et reproduit le traitement officiel du ciel, si bien que la sortie respecte le contrat de profondeur partagé de LibreYOLO. save=True écrit sur disque une visualisation colorisée de cette carte ; Results.plot() ne couvre pas cette famille, puisqu'elle n'est définie que pour les normales de surface et les contours. Voir la prédiction pour les sources, le streaming et le traitement des résultats.

Variantes

Une seule taille, l, à une résolution d'entrée fixe. En amont, DA3 publie aussi des checkpoints any-view Small et Base, un checkpoint de profondeur métrique, ainsi que des checkpoints Nested et Giant ; LibreYOLO n'en expose aucun. La profondeur métrique demande un contrat public différent de la tâche de profondeur inverse relative de LibreYOLO, et les checkpoints any-view et Nested demandent une API caméra multi-images que LibreYOLO ne propose pas. Les checkpoints any-view Large et Giant sont par ailleurs sous CC-BY-NC-4.0 et ne sont référencés par aucun chemin de téléchargement de LibreYOLO.

L'entraînement n'est pas proposé pour cette famille. LibreDepthAnything3.train() lève NotImplementedError sans condition ; entraînez en amont, puis convertissez un checkpoint DA3MONO-LARGE compatible avec weights/convert_depth_anything3_weights.py.

Valider

val() exécute le validateur de profondeur partagé : il aligne chaque prédiction sur sa vérité terrain avec une échelle et un décalage estimés par moindres carrés image par image, puis rapporte les métriques standard de profondeur relative en zero-shot, AbsRel, RMSE et les trois seuils delta.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDepthAnything3l-depth.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/abs_rel"])print(metrics["metrics/rmse"])print(metrics["metrics/delta1"])

libreyolo val model=LibreDepthAnything3l-depth.pt data=my-dataset.yaml

Exporter

L'export est limité à cinq formats pour cette famille : ONNX, TorchScript, ExecuTorch, TensorRT et OpenVINO. Demander tout autre format lève NotImplementedError plutôt que de tenter une conversion non validée. Un artefact exporté se recharge via LibreYOLO() d'après son suffixe de fichier, si bien qu'un fichier .onnx ou .engine se comporte comme un checkpoint et renvoie le même objet Results, avec depth_map à la place des boîtes.

from libreyolo import LibreYOLO model = LibreYOLO("LibreDepthAnything3l-depth.pt")model.export(format="onnx")model.export(format="tensorrt", half=True)

libreyolo export model=LibreDepthAnything3l-depth.pt format=onnxlibreyolo export model=LibreDepthAnything3l-depth.pt format=tensorrt half=True

from libreyolo import LibreYOLO, SAMPLE_IMAGE # La factory route selon le suffixe du fichier, donc un artefact exporté# se charge comme un checkpoint et renvoie le même objet Results.model = LibreYOLO("LibreDepthAnything3l-depth.onnx")result = model(SAMPLE_IMAGE) print(result.depth_map.data.shape)

Checkpoints

Tous les fichiers de poids publiés pour cette famille.

Licence

Citation

@article{depthanything3,
  title={Depth Anything 3: Recovering the visual space from any views},
  author={Haotong Lin and Sili Chen and Jun Hao Liew and Donny Y. Chen and Zhenyu Li and Guang Shi and Jiashi Feng and Bingyi Kang},
  journal={arXiv preprint arXiv:2511.10647},
  year={2025}
}