Token导航 LogoToken导航

Agent Skill · 待分类

midas_depth_estimation(迈达斯深度估计)

midas_depth_estimation 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

midas_depth_estimation 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证信息还不明确,暂无第三方扫描结果,按安装量在待分类类的 11,209 个 Skill 里排第 9,458。

总安装 242周安装 10GitHub Stars 公开资料未说明下载 79核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:midas_depth_estimation(迈达斯深度估计)
来源仓库:https://github.com/davidcastagnetoa/skills
仓库路径:skills/midas_depth_estimation
安装命令:
npx skills add https://github.com/davidcastagnetoa/skills --skill midas_depth_estimation
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/davidcastagnetoa/skills --skill midas_depth_estimation

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

用于 GitHub 仓库、Issue 和 PR 信息的整理与分析。适合跟踪代码变更、协作事项或项目进度。通过 GitHub 安装,需确认 API 权限与调用频率限制。建议结合本地仓库状态验证信息准确性。midas_depth_estimation 属于待分类类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/midas_depth_estimation

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/davidcastagnetoa/skills --skill midas_depth_es…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

midas_depth_estimation 怎么安装?

在终端执行 npx skills add https://github.com/davidcastagnetoa/skills --skill midas_depth_estimation。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

midas_depth_estimation 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

midas_depth_estimation 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

midas_depth_estimation 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

midas_depth_estimation 用的人多吗?

公开数据是累计安装 242 次,近一周安装 10 次,下载 79 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

midas_depth_estimation 安全吗?

没有查到第三方扫描结果,安全性无法从公开资料判断,安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 没有第三方扫描结果,安全性只能靠自己读源码判断。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 要求有安全扫描结论才肯安装的团队。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
midas_depth_estimation

迈达斯深度估计 · 本页

242—只读未明确未收录

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

midas_depth_estimation

MiDaS (Monocular Depth Estimation) estima un mapa de profundidad a partir de una sola imagen RGB. Permite distinguir entre un rostro real 3D y una foto plana (impresa o en pantalla) analizando la variación de profundidad.

When to use

Usar como capa adicional de liveness pasivo en el liveness_agent. Complementa a MiniFASNet y Silent-Face para detectar ataques con fotos impresas o pantallas que no tienen variación de profundidad.

Instructions

  1. Instalar: pip install timm torch torchvision.
  2. Descargar modelo MiDaS v3.1 small: torch.hub.load('intel-isl/MiDaS', 'MiDaS_small').
  3. Preprocesar frame: resize a 256x256, normalizar con transforms de MiDaS.
  4. Inferir mapa de profundidad: depth_map = model(input_tensor).
  5. Recortar la región del rostro del mapa de profundidad usando bounding box de face detection.
  6. Calcular la varianza de profundidad en la región facial: depth_variance = np.var(face_depth).
  7. Umbral: si depth_variance < 0.05, clasificar como posible ataque plano (foto/pantalla).
  8. Registrar depth_variance en el evento de auditoría.

Notes

  • MiDaS small es suficiente para liveness (~50ms en GPU); no usar el modelo large en producción.
  • La estimación monocular no reemplaza a una cámara de profundidad real, pero detecta ataques obvios.
  • Combinar con análisis de textura (LBP/Fourier) para mayor robustez.

平台分布

Codex

40.51%
按下载量换算32

Claude

28.33%
按下载量换算22

Cursor

19.25%
按下载量换算15

Gemini CLI

9.57%
按下载量换算8

安全审计

暂无安全审计结果可展示。

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills