بطاقة مقارنة مُولّدة بين Depth Pro وDepth Pro 2، تعرض إصدار 2024 بنقطة تحقق أحادية العدسة واحدة بزمن 0.3 ثانية وبدون وضع فيديو، مقابل إصدار 2026 بأربعة أحجام تتراوح من 24M إلى 872M معامل، وأوضاع الفيديو والتغذية المباشرة، وتقرير تقني لا يزال موسومًا كعنصر نائب، إضافةً إلى شعار OrcaRouter.
Guides & Insights

Depth Pro 2 مقابل Depth Pro: الحدة محفوظة والاهتزاز مُصلَح

الكاتب

jinhao.song

تاريخ النشر

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

لدى Depth Pro الأصلي مشكلة غير معتادة بوصفه خط أساس: نقطة الحفظ التي نشرتها Apple ليست النموذج الذي تصفه الورقة البحثية. تذكر بطاقة النموذج ذلك مباشرة — نقطة الحفظ الموجودة في المستودع هي تطبيق مرجعي أُعيد تدريبه، وأداؤه قريب من النموذج المُبلَّغ عنه في الورقة لكنه لا يطابقه تمامًا. لذا فإن أي مقارنة بين Depth Pro 2 وDepth Pro هي مقارنة مع بديل، بما في ذلك المقارنة الواردة في بطاقة Depth Pro 2 نفسها.

بعد توضيح هذا التحفظ، أصبحت ملامح الترقية واضحة بما يكفي. يحافظ Depth Pro 2 على الخصيصة التي جعلت Depth Pro جديرًا بالملاحظة — عمق حاد عند حدود الأجسام، بالأمتار، من صورة واحدة — ويضيف خصيصة ثانية: عمق يظل ثابتًا من إطار إلى آخر. عنوان الورقة يقول ذلك بوضوح. كان Depth Pro عمق متري أحادي العين حاد في أقل من ثانية. أما Depth Pro 2 فهو عمق متري أحادي العين حاد ومتسق زمنيًا. كل ما تغير بينهما يخدم الصفة الثانية؛ ولم يتغير تقريبًا أي شيء يخص الأولى.

عامان، إصداران مختلفان للغاية

صدر Depth Pro في 3 أكتوبر 2024 مصحوبًا بورقة بحثية، arXiv 2410.02073، ونتيجة معلنة: خريطة عمق بدقة 2.25 ميجابكسل في 0.3 ثانية على وحدة معالجة رسومات قياسية. ويحمل المستودع 568 إعجابًا وأكثر بقليل من 6,200 عملية تنزيل. وقد أُتيح كنقطة تحقق واحدة، depth_pro.pt، وتصف بطاقته المساهمات التقنية — محوّل رؤية متعدد المقاييس وفعّال للتنبؤ الكثيف، وبروتوكول تدريب يمزج بين البيانات الحقيقية والاصطناعية، ومقاييس مخصصة لدقة الحدود، وتقدير البعد البؤري على أحدث مستوى من صورة واحدة.

أُنشئت مستودعات Depth Pro 2 في نوفمبر 2026: بطاقة الطراز في 3 نوفمبر، والأوزان في 5 نوفمبر، وصادرات Core ML في 9 نوفمبر، ومقدّر البؤرة ومستودع الشيفرة في 19 نوفمبر. تشير كل من بطاقة الطراز وملف README على GitHub إلى معرّف arXiv هو 261X.XXXXX، وهو عنصر نائب وليس ورقة مسبقة النشر. لا توجد صفحة بحث خاصة به على machinelearning.apple.com — إذ يُرجع هذا المسار 404 — ولا توجد أرقام معايير في أي مكان خارج مخطط التشتت الخاص بالبطاقة نفسه.

إذن، الصياغة الصادقة هي أن Depth Pro 2 إصدار أوزان مرفق بوثائق، وليس منشورًا علميًا. أما Depth Pro فكان ورقة بحثية مع نقطة تحقق (checkpoint). وإذا كنت تستشهد بشيء، فإن أحدهما يعطيك رقمًا والآخر يعطيك مستودعًا.

ما الذي تغيّر فعليًا في البنية المعمارية

كان Depth Pro نموذجًا للصورة الواحدة. أما Depth Pro 2 فهو محوّل متعدد المناظر يعالج إطارًا واحدًا أو أكثر بشكل مشترك، والآلية محددة: بعد الثلث الأول من كتله، يتناوب الانتباه بين داخل كل إطار وعبر الإطارات. ثم يتنبأ مفكك ترميز DPT بخريطة عمق عكسية لكل إطار، جامعًا الرموز من عدة كتل إلى خرائط ميزات بدقة تتراوح من واحد على اثنين وثلاثين إلى ربع دقة الإدخال.

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

تلك هي الحجة المعمارية الكاملة للإصدار التالي، ولها أثر ظاهر في طريقة تشغيلك للنموذج. يمتلك Depth Pro 2 وضعين للفيديو. الوضع المخزّن مؤقتًا، وهو الافتراضي للملفات، يعالج مقاطع من 16 إطارًا تتداخل بأربعة إطارات، ما يحافظ على ثبات العمق عند تلاقي المقاطع. أما الوضع غير المخزّن مؤقتًا فيتنبأ بكل إطار فور وصوله، بالاستناد إلى ذلك الإطار وإلى الإطارات الـ15 التي سبقته، وهو الوضع المخصص لكاميرا مباشرة. وتوثّق Apple تكلفة المسار المباشر بدلًا من إخفائها: فلدى الإطارات الأولى من البث عدد أقل من الإطارات السابقة المتاحة للانتباه إليها، لذا يكون عمقها أقل ثباتًا.

لا يملك Depth Pro أيًّا من الوضعين، لأنه لا يملك انتباهًا بين الإطارات ليشغّله. أطعِمه مقطع فيديو وستحصل على تقديرات مستقلة لكل إطار، وأي وميض بينها متروك لك لتنعيمه. بالنسبة للصور الثابتة، ليس هذا خسارة؛ أما بالنسبة لأي شيء فيه حركة، فهو الفرق الذي صُمّم الجزء التالي لسدّه.

ما الذي لم يتغير

اصطلاحات القياس متطابقة، وهو خبر سار لكل من ينتقل: يتفق النموذجان على معنى الأرقام. العمق هو المسافة على طول محور رؤية الكاميرا — الإحداثي z — وليس المسافة المستقيمة من العدسة. يُطبَّع العمق العكسي في Python باستخدام البعد البؤري، ويساوي focallength_px / (width * depth). يتغير العمق مع البعد البؤري، لذا فإن بعدًا بؤريًا يزيد بنسبة 10 بالمئة عن اللازم يضع كل شيء على مسافة أبعد بنسبة 10 بالمئة. تُعاد بكسلات السماء بعمق لانهائي أو، لا سيما في النماذج الأصغر، بعمق محدود يبلغ عدة كيلومترات، وتخبرك الوثائق باقتطاع النطاق قبل إنشاء سحابة النقاط.

يظل تقدير الطول البؤري جزءًا أساسيًا من الحزمة، ويظل قابلًا للتخطي. الصور التي تسجّل طولًا بؤريًا مكافئًا لـ35 مم في EXIF تستخدمه؛ وكل ما عدا ذلك يمر عبر المقدّر. يقسّم Depth Pro 2 هذا المقدّر إلى مستودع منفصل بمعاملات 23.5 مليون، apple/DepthPro2-focal، يُحمّل إلى جانب أي حجم ويمكن تشغيله بمفرده أيضًا — وهو مفيد إذا أردت حل الكاميرا مرة واحدة ونموذج العمق مرات عديدة. مع Depth Pro، كانت القدرة نفسها مدمجة في نقطة تحقق واحدة دون أي طريقة لفصل الاثنين.

يستمر دعم Core ML ويشهد تحسينات. وتشحن Depth Pro 2 حزم Core ML المُصدَّرة في مستودع مخصص، وتتضمن تطبيق عرض تجريبي بسيطًا لنظام Mac يعرض العمق المباشر من الكاميرا، ويتطلب Apple silicon وmacOS 15 وXcode 16. وهذا يمثل عتبة أدنى للوصول إلى عرض تجريبي عامل مقارنةً بما قدّمه الإصدار الأصلي.

أربعة أحجام مقابل نقطة تحقق واحدة

أكبر فرق عملي هو أن Depth Pro 2 يرفض أن يكون نموذجًا واحدًا. تنشر Apple أربعة نماذج، مع المعلمات وأحجام التنزيل:

• S — 24M معامل، 97 MB، نقطة البداية الموصى بها على الحاسوب المحمول.

• B — 97 مليون معامل، 386 ميغابايت.

• L — 334 مليون معامل، 1.3 جيجابايت.

• H+ — 872 مليون معامل، 3.5 غيغابايت، الإصدار الافتراضي الذي ينزّله سطر الأوامر.

الحجم الذي تختاره لا يغيّر الترخيص على الإطلاق، لكنه يغيّر السلوك كثيرًا، إذ تُوثّق النماذج الأصغر على أنها تنتج مزيدًا من أعماق السماء الزائفة متعددة الكيلومترات. إن H+ هو الخيار الافتراضي لسبب وجيه، ولكن على حاسوب محمول، يمثّل S الفرق بين أن يعمل وألا يعمل.

‏Depth Pro نقطة حفظ واحدة بلا أي خيار ضبط. هذا ليس انتقادًا — فقد كان إصدارًا من عام 2024، وذكرت الورقة نتيجة واحدة عند 0.3 ثانية — لكنه يعني أن سؤال الترحيل «أي حجم؟» ليس له نظير في الجانب القديم، وأن أي مقارنة تتعامل مع «Depth Pro» كصف واحد مقابل أربعة إنما تُسطّح قرارًا حقيقيًا.

الأرقام، على ما هي عليه

تُبلغ بطاقة Depth Pro 2 عن متوسط Boundary F1 وJitter على مجموعتي بيانات Sintel وSpring، وتزعم أنها تتفوق على الأعمال السابقة التي تعمل على إطار واحد أو على إطارات متعددة في كلتيهما، وتعرض المقارنة في رسم بياني. Depth Pro أحد العلامات على ذلك الرسم. المحوران مُعلَّمان — Boundary F1 من 0 إلى 0.3، وJitter من 0.1 نزولاً إلى 0 — لكن لا يوجد جدول لكل نموذج، لذا يمكن قراءة التحسّن بدقة تقارب 0.01: يقع H+ قرب 0.29 في Boundary F1 عند Jitter يقارب 0.017، ويقع Depth Pro الأصلي عند نحو 0.235 و0.095.

The tradeoff scatter published on the Depth Pro 2 model card, plotting Boundary F1 from 0 to 0.3 on the vertical axis against Jitter from 0.1 down to 0 on the horizontal axis, 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, averaged over the Sintel and Spring datasets.

اعتبر ذلك ادعاءً مُبلَّغًا عنه من المورّد وغير مُعاد إنتاجه، وهو كذلك بالفعل. لم ينشر أي طرف ثالث رقم Boundary F1 أو Jitter لـ Depth Pro 2، والتقرير الفني الذي من شأنه أن يحدد بروتوكول التقييم هو مجرد عنصر نائب. في المقابل، يوفر Depth Pro الأصلي مقاييس الحدود داخل قاعدة شفرته الخاصة — إذ يكشف eval/boundary_metrics.py عن SI_boundary_F1 وSI_boundary_Recall — لذا إذا أردت إجراء المقارنة بنفسك، فإن الأدوات اللازمة لنصفها متاحة للعموم، ونقطة التحقق المستهدفة هي تقريب مُعاد تدريبه لنموذج من ورقة بحثية.

الترخيص والمسألة التجارية

لم يتغيّر، ويجدر ذكره لأنه من الأمور التي يسهل إغفالها عند الترقية. أوزان كلا الطرازين مشمولة بترخيص Apple Machine Learning Research Model، الذي يحدّده المستودع بأنه يسمح بالاستخدام لأغراض البحث حصراً، أي البحث العلمي غير التجاري والتطوير الأكاديمي. أما الشيفرة فمرخّصة بشكل منفصل، وتنسب عبارات الشكر في Depth Pro 2 الفضل إلى TIMM وDINOv3 باعتبارهما أساسيه.

إذن فالترقية مجانية بمعنى الترخيص وغير متاحة بمعنى المنتج عند الطرفين. إذا كنت تنشر بهدف تحقيق الإيرادات، فليست أيٌّ من نقطتي التحقق هي المقصودة، والمحادثة التي تحتاجها هي مع Apple وليس مع ملف ترخيص.

الترحيل، على نحو ملموس

Depth Pro 2 ليس بديلاً مباشراً لـ Depth Pro، لأن اسم الحزمة ونقطة الدخول ومعرّفات الطراز تغيّرت جميعها. يُثبَّت Depth Pro من apple/ml-depth-pro ويعمل عبر depth-pro-run -i ./data/example.jpg. ويُثبَّت Depth Pro 2 من apple-aiml-research/ml-depth-pro-2 ويعمل عبر uv run depth-pro-2 predict -i assets/example.jpg -o out/، مع -m depthpro2-s حتى -m depthpro2-h للحجم. وفي Python يكون الاستيراد depth_pro_2 ومسار الإنشاء create_model_and_transforms أو DepthPro2.from_pretrained.

تغيّر شكل واجهة المخرجات أيضًا. {{1}}تُرجع model.infer() في Depth Pro قاموسًا يحتوي على depth وfocallength_px.{{/1}} {{2}}تُرجع infer() في Depth Pro 2 القيمة depth، ويُستحصل على البعد البؤري على نحو أكثر طبيعية من المقدّر المنفصل، أو يُمرّر كـ f_px عندما يكون متاحًا لديك.{{/2}} إذا كانت لديك بنية معالجة تصل إلى قاموس التنبؤ، فخصّص لذلك فترة بعد الظهر.

ما تحصل عليه مقابل الترحيل هو مقياس للحجم، ومسار فيديو بوضعين موثّقين، ومقدّر بؤري منفصل، وحزمة Core ML مع تطبيق تجريبي عامل. وما لا تحصل عليه هو ورقة بحثية، أو جدول قياسات أداء لكل نموذج، أو أي تأكيد مستقل بأن النموذج الجديد أفضل — فقط مخطط مبعثر بمحاور موسومة ولا جدول خلفه.

لا شيء من هذا يتم توجيهه عبرنا، ولا ينبغي وصفه وكأنه كذلك: Depth Pro 2 عبارة عن أوزان مرخّصة لأغراض البحث من مستودعات Apple الخاصة.تضع OrcaRouter أكثر من 200 نموذج مستضاف على مفتاح واحد بهامش 0% فوق سعر قائمة المزوّد، مع تجاوز الفشل التلقائي بين المزوّدين، بحيث تكون نقطة تحقق بحثية بلا وتيرة إصدار هي الشيء الوحيد الهش في خط الأنابيب بدلًا من أن تكون واحدًا من عدة أشياء.

إذا كنت تستخدم Depth Pro وهو يعمل لديك، فسبب الانتقال هو الفيديو. وإذا كنت تستخدم Depth Pro ولا تشغّل سوى الصور الثابتة، فإن الحدّة التي لديك هي الحدّة التي يزعم الإصدار التالي أنه حافظ عليها، والتصرف الصادق هو الانتظار حتى صدور التقرير التقني قبل أن تنفق بعد ظهر كامل على إعادة تسمية الاستيراد.

A generated two-column scoreboard comparing Depth Pro and Depth Pro 2 across six dimensions: release date and paper, parameter count, video modes, focal length estimation, Core ML export and licence, with a footer noting that Depth Pro 2's figures are vendor-reported and its technical report is still a placeholder.