Depth Anything est une solution hautement pratique pour une estimation de profondeur monoculaire robuste. Notre objectif est de construire un modèle de base simple mais puissant, capable de traiter n'importe quelle image dans n'importe quelle situation, sans rechercher de nouveaux modules techniques. À cette fin, nous avons agrandi l'ensemble de données en concevant un moteur de données pour collecter et annoter automatiquement des données non étiquetées à grande échelle (environ 62 millions), augmentant ainsi considérablement la couverture des données et réduisant l'erreur de généralisation. Nous avons étudié deux stratégies simples et efficaces pour rendre l'augmentation des données prometteuse. Premièrement, en utilisant des outils d'augmentation de données pour créer des objectifs d'optimisation plus stimulants. Cela force le modèle à rechercher activement des connaissances visuelles supplémentaires et à obtenir une représentation robuste. Deuxièmement, une supervision auxiliaire a été développée pour contraindre le modèle à hériter de riches a priori sémantiques à partir de l'encodeur pré-entraîné. Nous avons évalué ses capacités zero-shot de manière approfondie, y compris six ensembles de données publiques et des photos prises au hasard. Il a démontré des capacités de généralisation impressionnantes. De plus, en l'affinant avec des informations de profondeur métriques provenant de NYUv2 et KITTI, nous avons établi de nouveaux state-of-the-art (SOTA). Notre meilleur modèle de profondeur a également conduit à un meilleur ControlNet conditionnel à la profondeur. Notre modèle est disponible sur https://github.com/LiheYoung/Depth-Anything.