Xenova/depth-anything-base-hf 的 ONNX 权重，兼容 Transformers.js。

用法 (Transformers.js)

如果您还没有安装，可以从 NPM 安装 Transformers.js JavaScript 库：

npm i @huggingface/transformers

示例： 使用 Xenova/depth-anything-base-hf 进行深度估计。

import { pipeline } from '@huggingface/transformers';

// 创建深度估计流水线
const depth_estimator = await pipeline('depth-estimation', 'Xenova/depth-anything-base-hf');

// 对给定图像预测深度图
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/bread_small.png';
const output = await depth_estimator(url);
// {
//   predicted_depth: Tensor {
//     dims: [350, 518],
//     type: 'float32',
//     data: Float32Array(181300) [...],
//     size: 181300
//   },
//   depth: RawImage {
//     data: Uint8Array(271360) [...],
//     width: 640,
//     height: 424,
//     channels: 1
//   }
// }

您可以使用以下代码可视化输出：

output.depth.save('depth.png');

注意：为 ONNX 权重创建单独的仓库是一个临时方案，直到 WebML 获得更多关注。如果您想让您的模型支持 Web，我们建议使用 🤗 Optimum 转换为 ONNX 格式，并按照此仓库的结构组织（将 ONNX 权重放在名为 onnx 的子文件夹中）。

将 fp16 模型中 Pow X Y 的数据类型从 float16 更改为 float32。