Depth Anything V2

単眼深度推定に Depth Anything V2 を、Dedicated Deployment またはセルフホスト Inference で使用します

Depth Anything V2 は単眼深度推定モデルです。入力画像に対して正規化された深度マップ（0〜1の値）を返します。

Depth Anything V2 は Serverless Cloud API では利用できません。次のいずれかで実行してください。 専用デプロイ または セルフホストの Inference.

コードサンプル

1

APIキーを取得する

Roboflow アカウントを作成し、キーは次の Roboflow API 設定ページ で見つけて、シェルで使えるようにします:

export ROBOFLOW_API_KEY="your-key-here"

2

依存関係をインストール

インストールしてください Inference SDK:

pip install -U inference-sdk opencv-python supervision

3

モデルを実行

設定する api_url 専用デプロイメント URL またはローカルの Inference サーバーに。スクリプトは深度マップを色付けし、入力との並列比較を出力します。

import os
import cv2
import numpy as np
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/notebooks/examples/bicycle.png")
client = InferenceHTTPClient(
    api_url="https://your-deployment.roboflow.cloud",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.depth_estimation(image)

depth = np.array(result["normalized_depth"], dtype=np.float32)
depth = cv2.resize(depth, (image.shape[1], image.shape[0]))
depth_vis = (depth * 255).astype(np.uint8)
depth_color = cv2.applyColorMap(depth_vis, cv2.COLORMAP_INFERNO)

cv2.imwrite("depth_annotated.png", np.hstack([image, depth_color]))

推論速度

レイテンシは以下で測定： Roboflow Inference 、1x NVIDIA L4、バッチサイズ1、ウォームアップ後の平均。

モデル	レイテンシ（ms）
depth-anything-v2	40.1

Small チェックポイントで測定。

設定する api_url をデプロイ先に合わせてください:

• http://localhost:9001 ローカルの Inference サーバー。

• あなたの 専用デプロイ プライベートエンドポイント用の URL。

利用可能なモデル

深度推定エンドポイントと depth_estimation@v1 Workflow ブロックは、1つの順序深度契約の背後で2つのモデルファミリを提供します。つまり、画像サイズのマップを画像ごとに正規化し、 1.0 が最も近く、 0.0 が最も遠い。

• Depth Anything （相対深度）: depth-anything-v2/small, depth-anything-v3/small, depth-anything-v3/base

• YOLO26 depth （メートル法深度、この経路では正規化され、かなり高速）: yolo26n-depth-768, yolo26s-depth-768, yolo26m-depth-768, yolo26l-depth-768, yolo26x-depth-768

共有出力はモデル間で形状、範囲、近い順から遠い順への順序を保持しますが、中間値はモデルファミリ間で幾何学的に等価ではありません。値は物理的距離ではなく順序的な近さスコアであり、異なる画像やモデルファミリ間で数値的に比較してはなりません。YOLO26 チェックポイントからメートル単位の絶対メトリック深度を得るには、次のように直接読み込んでください: inference_models.AutoModel.

レスポンス形式

この /infer/depth-estimation エンドポイントは normalized_depth をリクエストの depth_map_format フィールドに従ってシリアライズします:

• json （デフォルト）: 0〜1の浮動小数点数のネストされたリスト。旧クライアントとの互換性はありますが、1080x810画像では約17 MBになります。

• png16: 16ビットのグレースケールPNGをBase64化したもの（量子化ステップ 1/65535、通常は10倍以上小さく、提供もかなり高速）。

• png8: 8ビットのグレースケールPNGをBase64化したもの（256段階の深度レベル、さらに約1桁小さい）。可視化としきい値処理には適していますが、導関数ベースの幾何学的用途には損失があります。

SDK の depth_estimation() メソッドのデフォルトは jsonであるため、既存の統合では引き続きネストされたリストが返されます。 depth_map_format="png16" （または "png8"）を指定するとコンパクトなペイロードを利用できます。SDK はそれを numpy.ndarray （ .tolist() JSON シリアライズ可能な出力が必要な場合は呼び出してください）。

SDK の json デフォルトは非推奨です。2027 年の Inference の最初のリリースの1つで、デフォルトは png16 破壊的に normalized_depth base64 16ビットのグレースケール PNG numpy.ndarrayとして返されます。SDK は InferenceSDKDeprecationWarning を json 形式が使用されたときに発行します。 png16 早めに有効にするか、 depth_map_format="json" を明示的に指定して、切り替え後もリスト形式を維持してください。生の REST 呼び出し元は影響を受けません。サーバー側のデフォルトは json.

Inference（セルフホスト）で使用する

モデルは inference パッケージを使って直接読み込むこともできます。

1

パッケージをインストールしてください

pip install "inference[transformers]"

を使ってください inference-gpu[transformers] を GPU マシン上で。

2

Hugging Face で認証する

重みは Hugging Face から取得されるため、 Hugging Face トークン:

export HUGGING_FACE_HUB_TOKEN=your_token_here

3

モデルを実行

from PIL import Image

from inference.models.depth_estimation.depthestimation import DepthEstimator

model = DepthEstimator()

image = Image.open("your_image.jpg")
results = model.predict(image)

depth_map = results[0]["normalized_depth"]
visualization = results[0]["image"]

normalized_depth には画像ごとの深度マップが格納され、 image には、明るい色ほど近く、暗い色ほど遠い、色付けされた可視化が格納されます。

Workflows での実行モード

次のように使う場合、 Workflow、深度推定は次の2つのモードのいずれかで実行されます。

• ローカル実行: モデルはあなたの Inference サーバー上で実行されます（GPU 推奨）。

• リモート実行: モデルはリモートの Inference サーバー上で HTTP 経由で呼び出され、 depth_estimation() クライアントメソッド