ZipDepth

Installer

ZipDepth ne nécessite aucun extra facultatif. Tous ses imports sont inclus dans l'installation de base.

pip install libreyolo

Prédire

Les poids sont téléchargés depuis Hugging Face à la première utilisation et mis en cache localement.

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

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

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Même encodeur, avec une tête d'upsampling sans unfold pour les compilateurs dépourvus# de prise en charge de gather/unfold. La sortie est visuellement équivalente au checkpoint b.model = LibreYOLO("LibreZipDepthbnpu-depth.pt")result = model(SAMPLE_IMAGE, save=True)

result.depth_map contient une carte dense de profondeur inverse relative\u00a0: les valeurs élevées représentent les éléments les plus proches de la caméra, et les valeurs n'ont aucune unité métrique ni échelle commune aux différentes images. save=True écrit sur disque une visualisation en fausses couleurs de cette carte. Results.plot() ne couvre pas cette famille, car cette méthode est définie uniquement pour les normales de surface et les contours. Consultez la prédiction pour les sources, le streaming et la gestion des résultats.

Variantes

Deux checkpoints de même capacité d'encodeur ne se distinguent que par leur tête d'upsampling entraînée. b utilise un upsampling convexe et s'exécute sur GPU ou CPU. bnpu emploie un décodeur sans unfold pour les NPU et les compilateurs edge dépourvus de prise en charge de gather/unfold\u00a0; sa sortie est documentée comme visuellement équivalente à celle de b. Choisissez bnpu lorsque la cible d'export est un runtime contraint, et b dans les autres cas.

Les deux checkpoints ont été distillés à partir de pseudo-étiquettes de Depth Anything V2 Large. Cette famille constitue donc le niveau compact orienté edge de la tâche de profondeur de LibreYOLO, aux côtés des encodeurs Depth Anything V2 plus grands.

Cette famille ne propose aucun entraînement. LibreZipDepth.train() lève toujours NotImplementedError\u00a0: la recette upstream distille des pseudo-étiquettes sur un vaste ensemble d'images qui ne peut pas être reproduit comme une exécution d'entraînement LibreYOLO. Entraînez le modèle upstream sur fabiotosi92/ZipDepth, puis convertissez le résultat avec weights/convert_zipdepth_weights.py.

Valider

val() exécute le validateur de profondeur partagé\u00a0: il aligne chaque prédiction sur sa vérité terrain avec une échelle et un décalage par image obtenus par moindres carrés, puis rapporte les mesures standard de profondeur relative zero-shot, AbsRel, RMSE et les trois seuils delta.

from libreyolo import LibreYOLO model = LibreYOLO("LibreZipDepthb-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=LibreZipDepthb-depth.pt data=my-dataset.yaml

Exporter

L'export suit un contrat dense à résolution fixe\u00a0: l'image source est étirée jusqu'au canevas exporté, puis la carte de profondeur renvoyée est redimensionnée au canevas d'origine. Un artefact exporté se recharge dans LibreYOLO() grâce au suffixe de son fichier. Un fichier .onnx ou .ncnn se comporte donc comme un checkpoint et renvoie les mêmes Results, avec depth_map à la place des bounding boxes.

from libreyolo import LibreYOLO model = LibreYOLO("LibreZipDepthb-depth.pt")model.export(format="onnx")model.export(format="ncnn")

libreyolo export model=LibreZipDepthb-depth.pt format=onnxlibreyolo export model=LibreZipDepthbnpu-depth.pt format=ncnn

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

Checkpoints

Tous les fichiers de poids publiés pour cette famille.

Licence

Citation

@inproceedings{tosi2026zipdepth,
  title     = {ZipDepth: Bringing Lightweight Zero-Shot Monocular Depth Anywhere, on Any Device},
  author    = {Tosi, Fabio and Bartolomei, Luca and Poggi, Matteo and Mattoccia, Stefano},
  booktitle = {European Conference on Computer Vision (ECCV)},
  year      = {2026}
}