Como executar o Depth Anything V2 com LibreYOLO

O Depth Anything V2 produz alguns dos melhores mapas de profundidade monocular disponíveis atualmente.

Se você vem do mundo YOLO, o repositório oficial não é o mais fácil de começar a usar. Para obter um único mapa de profundidade, são necessárias várias etapas manuais:

• baixar o checkpoint certo manualmente e colocá-lo na pasta correta,

• combinar o encoder com a configuração correspondente (encoder="vitl", features=256, out_channels=...),

• escrever por conta própria as etapas de normalização e aplicação de cores,

• configurar o dispositivo para que rode em um Mac ou na CPU, e não apenas em CUDA,

• e aprender uma API de inferência que não se parece em nada com o resto da sua stack.

Nada disso é difícil. Só dá trabalho, e você pode pular tudo isso.

O LibreYOLO carrega os mesmos pesos do Depth Anything V2 e disponibiliza a tarefa de profundidade em uma única chamada a predict(). Informe o nome do modelo e ele será baixado automaticamente no primeiro uso:

from libreyolo import LibreYOLO

model = LibreYOLO("LibreDepthAnythingV2l-depth.pt")  # auto-downloads on first run
model.predict("image.jpg", save=True)     # writes a colorized depth map to disk

É só isso. Se você já usou a API padrão do YOLO, a estrutura é familiar: carregue um modelo pelo nome, chame predict e deixe save=True gravar a visualização. É exatamente a mesma chamada que você usaria para detecção de objetos, só que o resultado contém um mapa de profundidade em vez de caixas. O mapa de cores, a normalização e a seleção do dispositivo são feitos para você. Ele roda da mesma forma no Linux com CUDA, em um Mac com Apple Silicon ou em uma CPU comum. Sem mudar o código.

A partir daí, a mesma chamada faz mais: você pode obter os valores brutos de profundidade e trabalhar diretamente com eles. O treinamento do próprio Depth Anything V2 continua no repositório original; o LibreYOLO cobre inferência, vídeo e validação.

A mesma chamada de uma linha, em cenas bem diferentes:

Uma observação sobre os pesos: o LibreYOLO hospeda checkpoints convertidos do Depth Anything V2 e os baixa no primeiro uso, então não há nada para baixar manualmente. A licença upstream continua valendo: o encoder Small usa Apache-2.0, enquanto Base, Large e Giant usam CC-BY-NC-4.0 (não comercial), então os checkpoints mais robustos são para uso não comercial. Quer trabalhar offline ou converter os seus próprios pesos? O script de conversão, para uso pontual, continua disponível:

# optional: convert an official checkpoint yourself instead of auto-downloading
python weights/convert_depth_anything_v2_weights.py \
  depth_anything_v2_vitl.pth weights/LibreDepthAnythingV2l-depth.pt

Experimente

pip install libreyolo

O LibreYOLO é a biblioteca de visão computacional mais completa que você pode instalar com pip. Uma API familiar abrange um conjunto crescente de modelos de última geração: detecção de objetos (RF-DETR, D-FINE, DEIM), segmentação, pose, caixas orientadas e agora estimativa monocular de profundidade com o Depth Anything V2, além de treinamento e validação para as tarefas compatíveis. Ele roda em todos os principais sistemas operacionais, em GPU ou CPU, e usa inteiramente a licença MIT, então você pode distribuí-lo comercialmente sem restrições.

Dê uma estrela no GitHub: github.com/LibreYOLO/libreyolo | Documentação: libreyolo.com/docs