بطاقة عنوان مُولّدة لـ Depth Pro 2، بعنوان فرعي: عمق أحادي العين متري حاد ومتسق زمنيًا، مع أربع شرائح حجم تقرأ S 24M، وB 97M، وL 334M، وH+ 872M، وشريحة خامسة تقرأ مقدّر البعد البؤري 23.5M، وملاحظة تذييل تقرأ معرّف arXiv لا يزال عنصرًا نائبًا، بالإضافة إلى شعار OrcaRouter.
Guides & Insights

أُطلق Depth Pro 2 دون ورقة بحثية: ماذا تُظهر الأوزان

الكاتب

Gideon Frost

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

مرّر إلى أسفل بطاقة نموذج Depth Pro 2 من Apple واقرأ الاقتباس. ثمانية مؤلفين، وتاريخ 2026، ومعرّف arXiv يقرأ 261X.XXXXX. علامات X ليست حجبًا. إنها عنصر نائب لم يعد أحد لملئه، وهي أصدق ملخّص للإصدار: إن Depth Pro 2، نموذج العمق الأحادي المتري من Apple، موجود كأوزان يمكنك تنزيلها اليوم، ولا يوجد بعد كورقة يمكنك قراءتها.

تلك الفجوة هي القصة. ليس حدث إطلاق، ولا جدول معايير، ولا Space تجريبي — فالمستودع نفسه يشير إلى أن Space مخفي حتى يصبح عامًا، وحتى لحظة كتابة هذا النص لم يحدث ذلك. فيما يلي كل ما يمكن معرفته من المستودعات والوثائق، مفصولًا عما لم يُؤكَّد بعد.

ما الذي تم إطلاقه، وفي أي تواريخ؟

التواريخ هي الجزء الموثّق، لأن Hugging Face تضع طوابع زمنية لكل مستودع تستضيفه. أُنشئ مستودع بطاقة النموذج، apple/DepthPro2، في 3 نوفمبر 2026. وتلاه مستودعا الأوزان بعد يومين، في 5 نوفمبر، وكان apple/DepthPro2-H من بينهما. وجاء مستودع تصدير Core ML في 9 نوفمبر. وظهر مقدّر البعد البؤري المستقل، apple/DepthPro2-focal، في 19 نوفمبر — وهو اليوم نفسه الذي أصبح فيه مستودع الشيفرة، apple-aiml-research/ml-depth-pro-2، متاحًا للعموم على GitHub.

اقرأ ذلك التسلسل كخط زمني هندسي لا كخط زمني تسويقي. فقد جُهّزت البطاقة والأوزان ونسخة التصدير الخاصة بـ Apple silicon ونموذج معايرة الكاميرا والشفرة على مدى ستة عشر يومًا، وكان آخر ما وصل هو العنصر الذي يجعل الأمر كله قابلًا للتشغيل من قبل شخص ليس داخل Apple. ولا شيء في الترتيب يوحي بإعلان منسّق؛ بل يوحي بفريق يدفع المخرجات فور اجتيازها المراجعة.

يؤكد الاستقبال ذلك. لدى مستودع أوزان H+ 40 عملية تنزيل، ولدى مستودع البطاقة 10 إعجابات. ولا يستند مستودع GitHub إلا إلى إيداع واحد. وبالنسبة لطراز من المختبر الذي أنتج Depth Pro، فهذا ليس منحنى إصدار — بل إصدار لم يُلحظ بعد.

الورقة مجرد عنصر نائب، وليست نسخة أولية.

تشير ثلاثة مواضع منفصلة إلى تقرير تقني غير موجود. ترتبط شارة بطاقة النموذج بـ arxiv.org/abs/TODO. وترتبط شارة ملف README على GitHub بـ arxiv.org/abs/261X.XXXXX. وتقول كتلة BibTeX في كلٍّ منهما إن journal = {arXiv preprint arXiv:261X.XXXXX} و url = {https://arxiv.org/abs/261X.XXXXX}.

لا توجد أيضًا صفحة أبحاث خاصة به على Apple Machine Learning — إذ يعيد الرابط machinelearning.apple.com/research/depth-pro-2 خطأ 404، وتُدرج خريطة موقع أبحاث Apple كلاً من depth-pro لكن ليس depth-pro-2. أما صفحة المشروع التي تشير إليها الشارات، apple-aiml-research.github.io/ml-depth-pro-2، فهي السطح الوحيد الخاضع لسيطرة Apple الذي يستجيب فعلاً.

هذا الأمر أهم مما يبدو عليه. التقرير الفني هو المكان الذي يوجد فيه بروتوكول التقييم، وبدونه لا يمكن التحقق من الأرقام التي توردها البطاقة مقابل الأرقام التي توردها خطوط الأساس. وعليه، فإن كل ما هو كمي أدناه هو ادعاء المورّد نفسه، منقول دون تحقق مستقل، وموسوم على هذا الأساس.

أربعة أحجام، إضافةً إلى مُقدِّر البعد البؤري

العائلة صريحة على نحو غير معتاد بشأن توسّعها الذاتي. تنشر Apple أعداد المعاملات وأحجام التنزيل للأعضاء الأربعة جميعًا، وهو أكثر مما تهتم به معظم إصدارات العمق:

• صغير (S) — 24 مليون معلمة، تنزيل بحجم 97 ميغابايت، الخيار الذي تبدأ به على حاسوب محمول.

• القاعدة (B) — 97 مليون معامل، 386 ميجابايت.

• كبير (L) — 334 مليون معامل، 1.3 غيغابايت.

• H+ (H) — 872 مليون معلمة، و3.5 جيجابايت، وهو الخيار الافتراضي الذي ينزّله سطر الأوامر إذا لم تُمرّر -m.

• مُقدّر البعد البؤري — 23.5 مليون معامل، 94 ميغابايت، مستودع منفصل يُحمّل جنبًا إلى جنب مع أي حجم ويتنبأ بالبعد البؤري للكاميرا عندما لا تحمله الصورة أو الفيديو.

التسمية تستحق ملاحظة، لأنها ستربك أي شخص يكتب ملف إعدادات: فالمستودع هو apple/DepthPro2-H لكن خيار سطر الأوامر هو -m depthpro2-h، بينما تسمّي البطاقة ذلك الحجم H+. وتستخدم الوثائق كلا الكتابتين على بُعد أسطر قليلة إحداها من الأخرى.

البنية الأساسية هي محوّل متعدد المناظر يتبعه مفكّك DPT لكل إطار. بعد الثلث الأول من كتل المحوّل، يتبادل الانتباه بين ما داخل الإطار وما يعبر الإطارات، ويجمّع المفكّك الرموز من عدة كتل في خرائط سمات بدقة تتراوح بين واحد على اثنين وثلاثين وواحد على أربعة من دقة الإدخال. ويُنسب في ملف README الفضل إلى TIMM وDINOv3 بوصفهما أساسَي الشيفرة والنموذج.

مخطط المفاضلة هو النتيجة الوحيدة

قسم النتائج بأكمله في البطاقة عبارة عن شكل واحد وجملتين. يرسم الشكل Boundary F1 مقابل Jitter، وهما المقياسان اللذان اختارتهما Apple، على هيئة مخطط تبعثر لنحو أربعة وعشرين من نماذج العمق أحادية الإطار ومتعددة الإطارات، مع أحجام Depth Pro 2 الأربعة باللون البرتقالي وكل ما عدا ذلك باللون الأزرق أو الأخضر، بمتوسط على مجموعتي بيانات Sintel وSpring. تقول الجملتان إن Depth Pro 2 يتفوق على الأعمال السابقة التي تعمل على إطار واحد أو إطارات متعددة في كليهما، وإن أعلى اليمين هو الأفضل.

The sharpness-versus-temporal-consistency scatter published on the Depth Pro 2 model card, plotting Boundary F1 from 0 to 0.3 against Jitter from 0.1 down to 0, with the four Depth Pro 2 sizes clustered near 0.29 F1 and 0.02 Jitter, Depth Pro at roughly 0.235 and 0.095, and single-frame and multi-frame baselines including VGGT, MapAnything and DA3-NGL further down the jitter axis, footnoted as averaged over Sintel and Spring.

المحوران موسومان: يمتد Boundary F1 من 0 إلى 0.3، ويمتد الاهتزاز (jitter) من 0.1 نزولًا إلى 0. عند قراءة المواضع من مخطط التشتت، تقع علامة H+ قرب 0.29 على Boundary F1 مع اهتزاز حول 0.017، مقابل نحو 0.235 و0.095 لـ Depth Pro الأصلي — فجوة كبيرة على كلا المحورين. وما لا يحمله الشكل هو جدول، أو تفصيل حسب كل مجموعة بيانات، أو أي قياس للسرعة أو الذاكرة، أو مقارنة خارج النماذج الأربعة والعشرين المرسومة. تقول البطاقة إن الورقة تقارن الأحجام، بما في ذلك سرعتها وذاكرتها — والورقة غير موجودة بعد.

هذا ليس سببًا لعدم الثقة بالنموذج. بل هو سبب لعدم الثقة بأي مقال يقدّم لك قيمة Boundary F1 الخاصة بـ Depth Pro 2 مقتبسة إلى ثلاثة منازل عشرية، لأن المكان الوحيد الذي توجد فيه هذه القيمة هو مخطط مبعثر يمكنك قراءته بدقة تصل إلى نحو جزء من المئة، مع إحالة بروتوكول التقييم إلى تقرير لم يُنشر بعد. إذا كنت تحتاج إلى هذا الرقم لوثيقة مشتريات، فأنت تنتظر التقرير.

الفيديو هو ما يجعله تكملة.

كان الإصدار الأصلي Depth Pro، كما يوحي عنوانه نفسه، يركز على الحدة والسرعة: عمق متري أحادي العين وحاد في أقل من ثانية، بدقة 2.25 ميغابكسل في 0.3 ثانية على وحدة معالجة رسومات قياسية. يحافظ Depth Pro 2 على الحدة ويضيف محورًا ثانيًا — الاتساق الزمني — والتغيير الكامل في المعمارية موجود لخدمته. الانتباه المتناوب داخل الإطارات وفيما بينها هو الطريقة التي يرى بها المحوّل عدة إطارات كمشهد واحد بدلًا من عدة صور.

The method diagram from the Depth Pro 2 model card showing a multi-view transformer over the input frames followed by a DPT decoder per frame, annotated with the two numbered contributions: alternating within-frame and across-frame attention after the first third of blocks, and decoder feature maps at one thirty-second to one quarter of the input resolution.

ينتج عن ذلك وضعا تشغيل. الوضع المخزَّن مؤقتًا، وهو الافتراضي لملفات الفيديو، يعالج مقاطع من 16 إطارًا تتداخل بمقدار أربعة إطارات، مما يحافظ على استقرار العمق عند التقاء المقاطع المتتالية؛ ويكشف كل من --window و--overlap عن هذين الرقمين. أما الوضع غير المخزَّن مؤقتًا فيتنبأ بكل إطار لحظة وصوله، من ذلك الإطار و15 إطارًا قبله، وهو الوضع المخصص لكاميرا مباشرة. وتقرّ Apple بصراحة بأن الإطارات الأولى من البث لديها إطارات سابقة أقل تراعيها، لذا يكون عمقها أقل استقرارًا — وهي عقوبة إحماء مذكورة في التوثيق لا مكتشَفة في بيئة الإنتاج.

بقية سلوك الفيديو هي مجموعة من العواقب الجديرة بالمعرفة قبل أن تقوم بالدمج. يحصل الفيديو على بُعد بؤري واحد لجميع إطاراته، مأخوذ كوسيط للتقديرات على نافذته الأولى. تنمو الذاكرة مع حجم الإطار وطول النافذة، لا مع مدة الفيديو، لذا فإن العلاج الموثّق لمقطع لن يتّسع هو تقصير النافذة أولًا والانتقال إلى نموذج أصغر ثانيًا، مع تغيير حجم المدخلات كملاذ أخير فقط. وتعود بكسلات السماء بعمق لا نهائي، أو، خاصةً في النماذج الأصغر، بعمق محدود يبلغ عدة كيلومترات — يخبرك ملف README بقص النطاق قبل بناء سحابة نقاط، وهو نوع النصيحة التي لا توجد إلا لأن أحدهم لم يفعل ذلك.

ما الذي لا يزال غير مؤكد؟

القائمة الصادقة للأسئلة المفتوحة قصيرة ومحددة.

• التقييم المستقل — لا يوجد. لم ينشر أي طرف ثالث رقم Boundary F1 أو Jitter الخاص بـ Depth Pro 2، كما أن خطوط الأساس الخاصة بالبطاقة نفسها غير مسماة عدا «عمل سابق يعمل على إطار واحد أو إطارات متعددة».

• السرعة والذاكرة — يُزعم أنه تتم مقارنتهما في الورقة، وهو عنصر نائب. الإرشاد التشغيلي الملموس الوحيد هو أن H+ يمثل 3.5 GB من الأوزان وأن S هو خيار الحاسوب المحمول.

• العرض التجريبي — تتم الإشارة إلى Space داخل تعليق HTML، ومُعلَّم بأنه مخفي حتى يصبح عامًا. وجود عرض تجريبي وإمكانية الوصول إلى عرض تجريبي ادّعاءان مختلفان.

• يظهر الاسم — "Depth Pro 2" بصيغة DepthPro2 في أسماء المستودعات، وبصيغة depth-pro-2 في حزمة الشيفرة ومستودع Core ML، وبصيغة depth_pro_2 في استيراد Python. ابحث عن الصيغ الأربع جميعها.

A screenshot of the Hugging Face model card for apple/DepthPro2, showing the Depth Pro 2 title, the badge row linking to GitHub, the technical report and the project page, the licence and tags row, and the opening paragraph describing metric depth from a single photo, a whole video or a live feed at the input's full resolution.

تشغيله قبل صدور الورقة

مسار التثبيت مملّ عمدًا، وهذه ميزة لصالحه. تُثبّت uv، وتستنسخ المستودع، وتشغّل uv run depth-pro-2 predict -i assets/example.jpg -o out/ لصورة، أو الأمر نفسه مع ملف .mp4 لفيديو. عند أول تشغيل يُسحب H+ بحجم 3.5 GB ما لم تمرّر -m depthpro2-s. يختار الأمر أول جهاز متاح — CUDA، ثم MPS لأجهزة Apple silicon، ثم CPU — ويعمل ضمن autocast من نوع bfloat16 على وحدات GPU، وfloat32 على CPU. هناك تصدير Core ML لعتاد Apple وتطبيق عرض تجريبي Mac بسيط يتطلب macOS 15 وXcode 16.

توجد التفاصيل العملية في صيغ الإخراج. يكتب الأمر دائمًا صورة عمق مرمزة بالألوان، الأحمر قريب والأزرق بعيد. يضيف --save-png16 صور PNG رمادية 16-بت لأدوات التركيب، الأبيض قريب والأسود بعيد، مقيسة على مدى العمق للصورة أو للإطار الأول من الفيديو — لذا فإن النقاط التي تقترب لاحقًا في الفيديو تشبع. يضيف --save-npz مصفوفة العمق الفعلية بالأمتار بالإضافة إلى focallength_px، وهو ما تريده إذا كنت تقوم بأي شيء رقمي.

هناك اصطلاحان سيكلفانك الكثير إذا تجاهلت التوثيق. العمق هو المسافة على طول محور رؤية الكاميرا، أي الإحداثي z، وليس المسافة في خط مستقيم من العدسة. والعمق العكسي في بايثون يُطبَّع بقسمته على الطول البؤري: فهو يساوي focallength_px / (width * depth). وإذا أخطأت في الطول البؤري بنسبة 10 بالمئة، فستقع كل الأشياء على مسافة أبعد بنسبة 10 بالمئة.

لا يُمرَّر أي من هذا عبرنا. إن Depth Pro 2 عبارة عن أوزان مرخّصة للأغراض البحثية من مستودعات Apple الخاصة، وإذا أردت تشغيله فستنزّله من Apple. ما يغطيه OrcaRouter هو بقية خط المعالجة المحيط به — واجهة API واحدة ومفتاح واحد لأكثر من 200 نموذج مستضاف عند هامش ربح 0% فوق سعر قائمة المزوّد، مع تحويل تلقائي عند الفشل بين المزوّدين. عندما تكون مرحلة العمق نقطة تحقق بحثية مع استشهاد بديل مؤقت ولا وتيرة إصدارات، فإن مرحلتي الاستدلال والكتابة المحيطتين بها هما اللتان تريد أن تكونا الجزء الممل والاحتياطي.

ما الذي ينبغي متابعته، إن كنت تنتظر بدلًا من أن تبني: معرّف arXiv يحلّ محلّ علامات X، وصفحة بحث تظهر تحت machinelearning.apple.com، وSpace العرض التجريبي ينتقل من كونه معلّقًا إلى مرتبط. أيّ واحد من هذه من شأنه أن يحوّل هذا من مجرد إتاحة أوزان إلى إصدار، وأن يمنح الرسم البياني أعلاه جدول النماذج المنفردة الذي يفتقده.