Depth Anything 3

Installazione

Depth Anything 3 non richiede alcun extra opzionale. Tutti i moduli che importa sono già nell'installazione base.

pip install libreyolo

Predizione

I pesi vengono scaricati da Hugging Face al primo utilizzo e restano nella cache locale.

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: densa (H, W), più alto = più vicinoraw = depth.data                # tensor, senza unità metrica né scala tra immagininormalized = depth.normalized() # riscalato a [0, 1] per la visualizzazione

result.depth_map contiene una mappa densa di profondità inversa relativa: i valori più alti indicano una maggiore vicinanza alla fotocamera, e i valori non hanno unità metrica né scala comune tra immagini. Il checkpoint originale produce profondità relativa positiva; il wrapper di rete di LibreYOLO la inverte e riproduce la gestione ufficiale del cielo, così l'output rispetta il contratto di profondità condiviso di LibreYOLO. save=True scrive su disco una visualizzazione di quella mappa con mappa di colori; Results.plot() non copre questa famiglia, perché è definito solo per le normali di superficie e i bordi. Vedi predizione per sorgenti, streaming e gestione dei risultati.

Varianti

Una sola taglia, l, a risoluzione di input fissa. Il progetto originale di DA3 pubblica anche checkpoint any-view Small e Base, un checkpoint di profondità metrica e checkpoint Nested e Giant; LibreYOLO non ne espone nessuno. La profondità metrica richiede un contratto pubblico diverso da quello del task di profondità inversa relativa di LibreYOLO, e i checkpoint any-view e Nested richiedono un'API multi-immagine per la fotocamera che LibreYOLO non offre. I checkpoint any-view Large e Giant sono inoltre CC-BY-NC-4.0 e nessun percorso di download di LibreYOLO li referenzia.

Per questa famiglia non è previsto l'addestramento. LibreDepthAnything3.train() solleva NotImplementedError in modo incondizionato; addestra con il progetto originale e converti un checkpoint DA3MONO-LARGE compatibile con weights/convert_depth_anything3_weights.py.

Validazione

val() esegue il validatore di profondità condiviso: allinea ogni predizione al suo ground truth con una scala e uno spostamento ai minimi quadrati calcolati per immagine, poi riporta le metriche standard di profondità relativa zero-shot: AbsRel, RMSE e le tre soglie 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

Esportazione

Per questa famiglia l'esportazione è limitata a cinque formati: ONNX, TorchScript, ExecuTorch, TensorRT e OpenVINO. Richiedere qualsiasi altro formato solleva NotImplementedError invece di tentare una conversione non validata. Un artefatto esportato si ricarica tramite LibreYOLO() in base al suffisso del file, quindi un file .onnx o .engine si comporta come un checkpoint e restituisce lo stesso Results, con depth_map al posto dei box.

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 instrada in base al suffisso del file, quindi un artefatto esportato# si carica come qualsiasi checkpoint e restituisce lo stesso oggetto Results.model = LibreYOLO("LibreDepthAnything3l-depth.onnx")result = model(SAMPLE_IMAGE) print(result.depth_map.data.shape)

Checkpoint

Tutti i file di pesi pubblicati per questa famiglia.

Licenza

Citazione

@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}
}