Mira esto primero:

https://huggingface.co/docs/transformers/main/tasks/monocular_depth_estimation

hay más ejemplos en esta página, te manda ir Fran Puentes Calvo

https://github.com/FranPuentes/iTI2025/blob/main/08%20depth%20estimation.ipynb

en el ejercicio 8 estimación de profundidad

pip install -q -U transformers

Funciona en Google Colab

Puedes poner otra url de otra fotografia

Detección de bordes, ejemplo 4 Fran Puentes, operaciones básicas con imágenes

# prompt: Dada una imagen, dada mediante una url, aplicar un filtro de convolución para detectar los bordes. Si tiene más canales, aplícalo a cada canal y luego juntalo de nuevo.Representa también el filtro como una imagen. Usa la librería skimage.

from skimage.io import imread
from skimage.color import rgb2gray
from skimage.filters import sobel
from skimage import img_as_ubyte
import matplotlib.pyplot as plt

# URL de la imagen (pixabay)
url = "https://raw.githubusercontent.com/FranPuentes/iTI2025/main/data/joven.png"

# Obtener la imagen desde la URL
img = imread(url)

# Convertir la imagen a escala de grises si tiene más de un canal
if len(img.shape) > 2:
  img_gray = rgb2gray(img)
else:
  img_gray = img

# Aplicar el filtro Sobel para detección de bordes
edges = sobel(img_gray)

# Mostrar la imagen original y la imagen con bordes detectados
fig, axes = plt.subplots(1, 2, figsize=(10, 5))
axes[0].imshow(img, cmap=plt.cm.gray)
axes[0].set_title('Imagen Original')

axes[1].imshow(edges, cmap=plt.cm.gray)
axes[1].set_title('Bordes Detectados')

for ax in axes:
  ax.axis('off')

plt.show()

# Mostrar el filtro como una imagen
# (En este caso, el filtro Sobel no se visualiza como una imagen
#  tradicional, ya que es un operador matemático)

     