---
title: depth
canonical_url: "https://www.modelscope.cn/studios/bozoyan/depth"
md_url: "https://www.modelscope.cn/studios/bozoyan/depth.md"
repository: bozoyan/depth
chinese_name: "Depth深度图分析"
last_updated: 2026-09-03
sdk_type: gradio
sdk_version: 6.17.3
downloads: 0
stars: 3
---

# depth

> depth - bozoyan 在 ModelScope 创建的在线 Demo。使用`litert-community/MiDaS-small` 模型与midas_small_256_fp16.tflite 做图片或视频的深度分析。导出灰度深度图(近 = 亮,远 = 暗)与inferno 伪彩色深度图。

bozoyan/depth 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 6.17.3 构建，中文名为「Depth深度图分析」。

- **Repository**: bozoyan/depth
- **SDK**: gradio
- **SDK version**: 6.17.3
- **Downloads**: 0
- **Stars**: 3
- **Last updated**: 2026-09-03

Source: https://www.modelscope.cn/studios/bozoyan/depth

---

# 🖼️ MiDaS 深度估计启动器（Depth 深度图分析）

浏览器上传图片 / 视频（支持单个、批量），或填写文件夹路径递归扫描，一键生成**单目深度图**。
基于 `MiDaS v2.1 small` 模型（PyTorch 推理，模型文件已内置本仓库 `models/` 目录，**开箱即用、无需联网下载**）。

> 在线体验：https://bozoyan-depth.ms.show
> 深度图语义：**逆深度，越亮 = 越近，越暗 = 越远**

## ✨ 功能特性

- **图片 / 视频通吃**：图片单个或批量上传，也可填写服务器本地文件夹路径递归扫描；视频自动抽帧 → 逐帧深度 → 重新合成 mp4（可保留原声作背景音乐）
- **两种导出风格**：灰度深度图 / inferno 伪彩色深度图（可只导一种或两种都要）
- **导出分辨率可选**：最大边 512 / 720（默认）/ 768 / 960 / 1080 / 1280
- **智能引擎**：启动时自动检测推理设备（NVIDIA CUDA → Apple MPS → CPU），创空间 CPU 环境单张推理约 0.1~0.3 秒
- **任务队列**：批量任务后台排队处理，实时进度条 + 逐文件日志，完成即在线预览 / 下载
- **离线加载**：模型结构与权重全部沉淀在仓库内，服务启动无需访问 GitHub（已绕过 torch.hub 联网校验，避免国内网络卡死）

## 🚀 使用方法

1. 打开创空间页面，等待应用启动完成（首次启动后台自动预热模型，约 1~2 分钟）
2. **参数区**：选推理设备（默认 GPU 自动检测，本空间为 CPU 环境）、导出类型、最大边分辨率、视频是否保留原声
3. **添加任务**：在「① 上传图片/视频」拖入或点击选择（可多选），或在「② 文件夹路径」填写应用所在机器的本地目录
4. 点 **🚀 开始生成深度图**，下方实时显示进度百分比与任务日志
5. 完成后自动在「输出结果」展示深度图预览网格，全部结果（含视频）可在下载区保存
6. 视频输出为 mp4（伪彩色合成），文件命名 = 原始文件名 + 时间戳

## 📁 支持格式

| 类型 | 格式 |
|------|------|
| 图片 | jpg / jpeg / png / webp / bmp |
| 视频 | mp4 / mov / avi / mkv / webm / m4v |

## 💻 本地运行

```bash
# 依赖:Python 3.10+,torch/gradio 由运行环境提供,其余安装:
pip install -r requirements.txt

# 创空间同款 Gradio 版(默认 127.0.0.1:7860)
python app.py

# 本地 Flask 变体(app_flask.py,保留自定义深色琥珀金界面,功能一致)
python app_flask.py

# 指定监听地址/端口(创空间通过明文变量 APP_HOST/APP_PORT 注入 0.0.0.0:7860)
APP_HOST=0.0.0.0 APP_PORT=7860 python app.py
```

配套单图 CLI 脚本：

```bash
python midas_depth_torch.py <图片路径> [-o 输出目录] [-d auto|gpu|cpu]   # PyTorch 版(推荐)
python midas_depth.py <图片路径> [-o 输出目录]                          # TFLite 版(需 ai-edge-litert)
```

## 🧩 技术说明

- 模型：`MiDaS v2.1 small`（EfficientNet-Lite3 骨干，输入 256×256，输出相对逆深度）
- 权重来源：ModelScope `cubeai/midas-v21-small-256`（国内加速）与 `litert-community/MiDaS-small`
- 网页框架：Gradio（创空间版 `app.py`）/ Flask + 原生 JS（本地变体 `app_flask.py`，深色琥珀金终端风界面）
- 视频处理：ffmpeg 抽帧 / 合成，libx264 编码（`yuv420p`，宽高自动对齐偶数）

## 👨‍🏫 关于作者

### 严老师【AI教育实验室】 · 嚴波設計

- 🎓 **22 年教育深耕**
- 🚀 **4 年 AIGC 创业实战**
- 🎨 **审美与 AI 编程能力**

懂青少年 AI 教育的 **AIGC 导师**、**AIGC 人工智能美学工程师**、**AIGC 创新创业实践者**

<p>
  <img src="https://pic.201782.com/yiyi/20260416094413_u8AKP2_wechat.jpeg" width="200" alt="微信二维码">&nbsp;&nbsp;
  <img src="https://pic.201782.com/yiyi/20260416094413_EKdSg1_sph.jpeg" width="200" alt="视频号二维码">
</p>

<p><sub>微信扫码加我 &nbsp;|&nbsp; 视频号看更多 AI 教学内容</sub></p>

## 📄 许可证

Apache License 2.0