Depth Anything V2

它做的是单目深度估计：输入一张普通照片，输出每个像素的远近信息，通常表现为灰度深度图。它不生成新画面，也不修改原图，而是给图像补上一层几何线索，供背景虚化、图层分离、三维重建等流程使用。想直接出成品图，需要再搭配绘图或剪辑工具。

可以直接用的是已经集成该模型的在线演示和第三方图像、视频工具，上传图片就能看到深度效果，不需要配置环境。自己下载模型权重在本地跑则需要装 Python 环境和依赖，更适合开发者。先在线试效果，再决定要不要本地部署，是比较省事的路子。

绘图模型负责凭空生成或改写画面内容，深度模型只推断画面里每个像素离相机多远，不理解画的是什么，也不改变像素颜色。两者的关系是配合：用深度图给画面分层，再由绘图或合成工具做出景深、视差、重打光等效果。

透明玻璃、镜面反光、水面、大面积纯色天空和极远景航拍是典型难点，这些场景本身缺乏可靠的深度线索，输出可能出现前后颠倒或大片平滑。主体清晰、层次分明的照片，例如人像、静物、街景，通常更稳。素材特殊时，接入批量流程前先拿真实样本试一批。

通常不能直接当绝对距离。模型给出的是相对远近关系，不同图片之间的尺度并不统一，同一张图里也未必对应真实米数。如果下游需要真实尺寸，得再引入已知参照物或做额外标定，把相对深度换算成实际距离，否则建议只把它当作层次和遮挡关系的依据。

显存和速度是主要瓶颈，先按硬件挑一个体量合适的规格跑通链路，再根据效果决定要不要升级。批量处理时建议统一输入尺寸和方向，并在推理后对深度图做归一化或按分位数截断，这样输出更一致，接下游虚化和分层时也更可控。