Sube 2 o 3 fotos de la misma escena u objeto tomadas desde posiciones algo distintas. En una sola pasada, Depth Anything 3 Small estima
la profundidad de cada vista, las poses de cámara relativas (rotación y traslación), los intrínsecos (focal y centro óptico) y,
con eso, la demo fusiona una nube de puntos 3D que puedes rotar y descargar como .ply.
🔒 Tus imágenes no salen del navegador: no hay servidor de inferencia (onnxruntime-web, WASM). Descarga inicial ≈ 121 MB
(pesos 105,3 MB + motor WASM 14,8 MB + three.js), que queda en la caché del navegador para siguientes visitas.
1 · Ejemplos sintéticos con poses conocidas (generados para esta demo)
Con los ejemplos se muestra además el error frente a la verdad (rotación, dirección de traslación, focal).
…o sube tus fotos
2–3 imágenes, PNG/JPEG/WebP, ≤ 20 MB y ≤ 40 MP cada una. La vista 1 (primera seleccionada) es la referencia.
Preparando…
2 · Profundidad por vista
3 · Nube de puntos fusionada (arrastra para rotar, rueda para acercar)
Pirámides: cámaras estimadas (roja = vista 1, verde = vista 2, azul = vista 3).
Límites y notas
2–3 vistas por reconstrucción y una inferencia a la vez. Todas las vistas se recortan al centro con la proporción de la vista 1 y se reescalan a un lado largo de 392/504/644 px (múltiplos de 14).
Medido en CPU Intel Xeon (1 hilo WASM, Chromium headless): ≈6 s por 3 vistas a 504×280. Este Space se sirve sin cabeceras COOP/COEP, así que WASM usa un solo hilo. Cuenta con ≈1 GB de RAM libre.
La escala es arbitraria (no métrica): profundidades y traslaciones son coherentes entre sí pero sin unidades reales.
La confianza del modelo no sirve para rechazar entradas basura: con imágenes de ruido da confianzas iguales o mayores que en escenas reales. La demo añade un chequeo heurístico (coherencia entre vistas, profundidad casi plana, focales dispares): en nuestras pruebas marcó el ruido como dudoso sobre todo por la profundidad plana; la coherencia por sí sola no lo detectó a 392 ni a 644 px. No es una garantía.
En las pruebas sintéticas la focal sale más larga que la real (≈+1–9 % a 644 px, +5–12 % a 504 px, +12–19 % a 392 px) y la dirección de traslación puede desviarse 4–17° cuando el movimiento es pequeño y lateral. La rotación fue lo más fiable (error 0,3–1,8°).
Pensado para objetos, habitaciones, fachadas y paisajes estáticos. Objetos que se mueven entre fotos, superficies reflectantes o sin textura degradan el resultado. No hace reconocimiento de personas.
Créditos: Depth Anything 3 (Lin et al., ByteDance Seed, 2025; DA3-Small con licencia Apache-2.0), exportación ONNX de onnx-community, onnxruntime-web (MIT), three.js (MIT). Demo independiente, no oficial.
Ver LICENSE-NOTICE.md.