Video Depth Anything：面向超长视频的一致深度估计

Video Depth Anything 基于 Depth Anything V2，将其 head 替换为高效时空 head，并提出约束时序深度梯度的时序一致性损失，无需光流或相机位姿等几何先验，即可对超过数分钟的超长视频做一致深度估计。该模型在多个视频基准的零样本深度估计上取得新的 SOTA，最小模型可实时运行达 30 FPS。