OniricApps Blog

Foto de Conny Schneider en Unsplash

ByteDance presenta Depth Anything 3, un modelo de IA que transforma la estimación de profundidad y la reconstrucción 3D, abriendo nuevas posibilidades en robótica, realidad aumentada y más.

ByteDance Lanza Depth Anything 3: Un Nuevo Modelo de IA Revoluciona la Estimación de Profundidad y la Reconstrucción 3D

ByteDance presenta Depth Anything 3, un modelo de IA que transforma la estimación de profundidad y la reconstrucción 3D.

El Nuevo Modelo de ByteDance

Pekín, China – ByteDance, la empresa matriz de TikTok, ha anunciado el lanzamiento de Depth Anything 3 (DA3), un innovador modelo de inteligencia artificial capaz de predecir la geometría tridimensional a partir de imágenes, incluso sin información previa sobre la posición de la cámara. Este avance representa un salto significativo en la reconstrucción 3D y la estimación de profundidad, con implicaciones potenciales para una amplia gama de aplicaciones, desde la robótica hasta la realidad aumentada.

El modelo, cuyo código fuente está disponible en GitHub, se distingue por su simplicidad y eficiencia. A diferencia de otros modelos que requieren arquitecturas especializadas, DA3 utiliza un transformer estándar (como el encoder DINO) como su núcleo. Esta elección, junto con una representación única de "rayos de profundidad", permite al modelo superar a sus predecesores, como Depth Anything 2 (DA2) y VGGT, tanto en la estimación de profundidad monocular (a partir de una sola imagen) como en la estimación de profundidad y pose en múltiples vistas.

"La clave de nuestro éxito radica en la combinación de un transformer simple y una representación de rayos de profundidad," explica el equipo de ByteDance Seed. "Esto nos permite obtener resultados superiores sin la complejidad de arquitecturas personalizadas."

El desarrollo de DA3 se ha centrado en la transparencia y la accesibilidad. El modelo ha sido entrenado exclusivamente con conjuntos de datos académicos públicos, lo que garantiza su fiabilidad y generalización. Además, la arquitectura en serie anidada, que combina un modelo gigante de cualquier vista con un modelo métrico, permite la reconstrucción de geometría a escala métrica real, abriendo nuevas posibilidades para aplicaciones que requieren mediciones precisas.

Implicaciones y Futuro

El lanzamiento de Depth Anything 3 marca un hito importante en el campo de la visión artificial. Su capacidad para generar mapas de profundidad precisos y reconstruir la geometría 3D a partir de imágenes tiene el potencial de transformar industrias como la robótica, la conducción autónoma, la realidad aumentada y la creación de contenido digital. La accesibilidad del código fuente y el enfoque en la transparencia fomentan la investigación y el desarrollo en la comunidad de IA, impulsando aún más el progreso en este campo. Se espera que futuras versiones de DA3 incorporen mejoras en la eficiencia y la precisión, ampliando aún más sus capacidades y aplicaciones.