Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
Depth Anything 3 的演示 Space,这个研究模型从名称看,能从任意视角拍的图像中恢复场景的空间结构。README 只有一条引用。
Depth Anything 3 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download depth-anything/depth-anything-3 --repo-type space --local-dir depth-anything-3 cd depth-anything-3
Depth Anything 3 是一个研究模型的演示 Space,从论文标题看,这个模型能从任意视角拍的图像中恢复场景的空间结构。它在 ZeroGPU 硬件上运行 DA3NESTED-GIANT-LARGE 模型,还写明了 facebook/map-anything。README 只有一条引用,所以界面的细节要打开页面才能看到。
想在自己的图像上试用一个新的深度模型的计算机视觉研究者、3D 开发者和学生,会从中得到最多。下面几行是根据名称和文件做的判断,不是作者的说法。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 计算机视觉研究者 | 在读论文之前先在自己的图像上试试模型 | 检查它怎么处理一张角度古怪的照片 |
| 机器人 | 机器人工程师 | 判断深度输出是否适合他们的场景 | 把几帧摄像头画面送进演示 |
| 3D 与图形 | 3D 艺术家和开发者 | 看看如何从几张照片恢复场景布局 | 上传同一个物体的几张照片 |
| 教育 | 学生 | 看一个较新的深度模型处理真实图片 | 对比近处和远处物体的结果 |
如果你想要有文档的使用说明,可以跳过它,因为 README 只有一条引用。
你可以在 Hugging Face 的浏览器标签页中使用它,也可以在自己的电脑上运行一份副本。
| 用途 | 适合谁 | 得到什么 |
|---|---|---|
| 在线试用模型 | 研究者和开发者 | 模型对你的图像给出的结果,按界面显示的方式 |
| 研究代码 | 学习者 | depth_anything_3 文件夹和 app.py 可供阅读 |
| 运行本地副本 | 有 Python 3.11 的开发者 | 在自己机器上运行的同一个 Gradio 应用 |
在线使用什么都不用装。本地副本需要 Python 3.11、列出的软件包,以及 packages.txt 里的系统软件包,它们用 apt-get 安装。
pip install -U huggingface_hub hf download depth-anything/depth-anything-3 --repo-type space --local-dir depth-anything-3 cd depth-anything-3 pip install gradio==5.49.1 pip install -r requirements.txt python app.py
仓库里还有 requirements-basic.txt,但来源没有给出对应的命令,也没有写明本地运行需要什么硬件。
打开 Space 页面,使用你在那里看到的界面。README 没有给出步骤。有本地副本时,启动应用文件,使用它打开的界面。
python app.py
打开 Space,给它一张或几张同一个房间的照片,然后运行。返回的应该是这个场景的深度结果,不过 README 没有给出示例输出。
深度估计就是算出图片的每个部分离相机有多远。先用一张近处和远处都有物体的清晰照片,看界面返回什么。
记录里写明了两个模型和一个数据集,名称里的 nested giant-large 暗示这是一个大型版本,但 README 没有给出大小或分数。模型代码以 depth_anything_3 文件夹的形式放在仓库里,旁边是 pyproject.toml。
Depth Anything 3 的演示 Space,这个研究模型从名称看,能从任意视角拍的图像中恢复场景的空间结构。README 只有一条引用。
由 depth-anything 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:Depth Anything 3 是一个研究模型的演示 Space,从论文标题看,这个模型能从任意视角拍的图像中恢复场景的空间结构。它在 ZeroGPU 硬件上运行 DA3NESTED-GIANT-LARGE 模型,还写明了 facebook/map-anything。README 只有一条引用,所以界面的细节要打开页面才能看到。
适合谁:想在自己的图像上试用一个新的深度模型的计算机视觉研究者、3D 开发者和学生,会从中得到最多。下面几行是根据名称和文件做的判断,不是作者的说法。
行业 | 谁在用 | 怎么用 | 例子
研究 | 计算机视觉研究者 | 在读论文之前先在自己的图像上试试模型 | 检查它怎么处理一张角度古怪的照片
机器人 | 机器人工程师 | 判断深度输出是否适合他们的场景 | 把几帧摄像头画面送进演示
3D 与图形 | 3D 艺术家和开发者 | 看看如何从几张照片恢复场景布局 | 上传同一个物体的几张照片
教育 | 学生 | 看一个较新的深度模型处理真实图片 | 对比近处和远处物体的结果
如果你想要有文档的使用说明,可以跳过它,因为 README 只有一条引用。
用在哪里:你可以在 Hugging Face 的浏览器标签页中使用它,也可以在自己的电脑上运行一份副本。
用途 | 适合谁 | 得到什么
在线试用模型 | 研究者和开发者 | 模型对你的图像给出的结果,按界面显示的方式
研究代码 | 学习者 | depth_anything_3 文件夹和 app.py 可供阅读
运行本地副本 | 有 Python 3.11 的开发者 | 在自己机器上运行的同一个 Gradio 应用
如何设置:在线使用什么都不用装。本地副本需要 Python 3.11、列出的软件包,以及 packages.txt 里的系统软件包,它们用 apt-get 安装。
pip install -U huggingface_hub
hf download depth-anything/depth-anything-3 --repo-type space --local-dir depth-anything-3
cd depth-anything-3
pip install gradio==5.49.1
pip install -r requirements.txt
python app.py
仓库里还有 requirements-basic.txt,但来源没有给出对应的命令,也没有写明本地运行需要什么硬件。
如何使用:打开 Space 页面,使用你在那里看到的界面。README 没有给出步骤。有本地副本时,启动应用文件,使用它打开的界面。
python app.py
示例:打开 Space,给它一张或几张同一个房间的照片,然后运行。返回的应该是这个场景的深度结果,不过 README 没有给出示例输出。
新手与专家:深度估计就是算出图片的每个部分离相机有多远。先用一张近处和远处都有物体的清晰照片,看界面返回什么。
记录里写明了两个模型和一个数据集,名称里的 nested giant-large 暗示这是一个大型版本,但 README 没有给出大小或分数。模型代码以 depth_anything_3 文件夹的形式放在仓库里,旁边是 pyproject.toml。
你把图像交给应用
Space 在 ZeroGPU 上申请 GPU 时间
Depth Anything 3 模型处理这些视图
结果显示在界面里
注意事项:
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Depth Anything 3 本页 | 490 | gradio | cc-by-nc-4.0 | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause | |
| VBench Leaderboard共有 gradio | 365 | gradio | mit |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。