Eine generierte Titelkarte mit der Überschrift „Depth Pro 2 vs. UniDepth V2“ in großer, dunkler, geometrischer Schrift und dem darunter stehenden Untertitel „Ein Modell – oder eine Familie, die man selbst dimensionieren muss“, oberhalb eines dünnen blau-zu-cyanfarbenen Farbverlaufsbalkens.
Guides & Insights

Depth Pro 2 vs. UniDepth V2: Ein Modell oder eine ganze Familie

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Das Interessante an Depth Pro 2 ist nicht, dass es Tiefe schätzt. Das tut UniDepth V2, berichtet es auf zehn Datensätzen im Zero-Shot-Regime und macht das seit dem Erscheinen seines Papers als arXiv 2502.20110 im Februar 2025. Das Interessante ist, dass Depth Pro 2 sich weigert, ein einziges Modell zu sein. Apple hat es als vier Größen plus einen Brennweitenschätzer plus einen Core-ML-Export ausgeliefert, und die Größe, für die man sich entscheidet, verändert fast ebenso stark, was das Modell mit einem anstellen kann, wie die Entscheidung, welches Modell man wählt.

Beide sind metrische monokulare Schätzer, die darauf trainiert sind, mit Bildern zu arbeiten, die sie noch nie gesehen haben. Depth Pro 2 gibt die Tiefe in Metern entlang der Sichtachse der Kamera zurück; UniDepth V2 liefert metrische Tiefe und eine Punktwolke in Kamerakoordinaten sowie die von ihm abgeleiteten intrinsischen Kameraparameter. Beide schätzen die Kamera, statt sie vorauszusetzen. Entscheidend ist nicht die Genauigkeit – die beiden Labore haben keinen gemeinsamen Benchmark durchgeführt –, sondern wie viel der Deployment-Entscheidung jedes von beiden Ihnen überlässt.

Vier Größen gegen drei Backbones

Der Modellzoo von UniDepth V2 umfasst drei Checkpoints: unidepth-v2-vits14, unidepth-v2-vitb14 und unidepth-v2-vitl14, jeweils einen pro ViT-Backbone-Größe. Das Paper beschreibt ein selbst-promptbares Kameramodul, das eine dichte Kamerarepräsentation vorhersagt, um die Tiefenmerkmale zu konditionieren, eine pseudo-sphärische Ausgabe, die Kamera- und Tiefenrepräsentationen trennt, einen von UniDepth V1 übernommenen kantenführten Loss sowie eine Unsicherheitsausgabe. Das Modell akzeptiert bekannte Intrinsics oder eine Kameraklasse – Pinhole, Fisheye624 – und überspringt die Vorhersage, wenn Sie diese angeben.

Die vier Größen von Depth Pro 2 sind S mit 24 M Parametern und 97 MB, B mit 97 M und 386 MB, L mit 334 M und 1,3 GB sowie H+ mit 872 M und 3,5 GB. Die Konfigurationsdateien machen die Skalierung konkret: S und B verwenden DINOv3-ViT-S- bzw. ViT-B-Backbones und führen über Frames hinweg Attention an den Blöcken 5, 7, 9 und 11 aus; L verwendet ViT-L und führt Attention an den Blöcken 9 bis 23 aus; H+ verwendet ViT-H+ und führt Attention an den Blöcken 11 bis 31 aus. Die Decoder-Dimension verdoppelt sich von 64 bei S auf 128 bei B und 256 bei sowohl L als auch H+.

A screenshot of the Hugging Face model card for apple/DepthPro2, captured November 20 2026, showing the four size variants with their parameter counts and file sizes.

• Parameterumfang — UniDepth V2 umfasst drei ViT-Größen, ohne veröffentlichte Anzahlangaben auf der Modellkarte; Depth Pro 2 reicht von 24M bis 872M, wobei die Anzahlangaben im README stehen.

• Standard-Checkpoint — Depth Pro 2 nutzt standardmäßig H+ bei 3,5 GB; UniDepth V2 überlässt die Wahl dem Aufrufer.

• Exportziele — Depth Pro 2 bietet Core-ML-Pakete für Apple-Hardware sowie einen separaten Brennweiten-Schätzer mit 23,5 Mio. Parametern; UniDepth V2 bietet ONNX-Unterstützung.

• Kameramodell — UniDepth V2 stellt die Klassen Pinhole und Fisheye624 bereit und akzeptiert bekannte Intrinsics; Depth Pro 2 geht von einer Perspektivkamera aus, liest EXIF oder schätzt die Brennweite mit dem separaten Modell.

• Unsicherheit — UniDepth V2 liefert eine Konfidenzausgabe; Depth Pro 2 nicht.

A screenshot of the Hugging Face model card for UniDepth V2, captured November 20 2026, showing the unidepth-v2-vits14, unidepth-v2-vitb14 and unidepth-v2-vitl14 checkpoints.

Die Abstammungslinie der metrischen Skala verläuft in die andere Richtung.

UniDepth V2 ist eine Verfeinerung eines Designs für metrische Tiefe, und das Paper stellt ausdrücklich klar, dass es die Aufgabe von V2 war, die Architektur einfacher und effizienter zu gestalten und dabei schärfere Kanten durch das edge-guided local SSI, flexible Eingabeformen und -seitenverhältnisse über eine Einstellung der Auflösungsstufe, schnellere Inferenz, ONNX-Unterstützung und die neuen Kameramodelle hinzuzufügen. Die berichteten Zero-Shot-Werte, bei denen auf der Delta-1-Metrik ein höherer Wert besser ist, betragen 98,8 auf NYUv2, 96,4 auf SUN-RGBD, 85,2 auf ETH3D, 94,5 auf iBims-1, 98,9 auf KITTI, 87,0 auf Nuscenes und 88,2 auf DDAD, über insgesamt zehn Datensätze. Diese sind vom Hersteller angegeben und hier nicht reproduziert.

Depth Pro 2 kommt beim metrischen Maßstab aus der anderen Richtung. Das ursprüngliche Depth Pro war ein Foundation-Modell für metrische Zero-Shot-Tiefe, das 2,25-Megapixel-Karten in 0,3 Sekunden erzeugte und die Brennweite aus einem einzigen Bild schätzte, und der Beitrag von Depth Pro 2 ist nicht der Maßstab, sondern die Konsistenz – scharfe Grenzen und stabile Tiefe über Frames hinweg. Es gibt keine veröffentlichte Delta-1-Tabelle dafür. Die Projektseite nennt Boundary F1 und Jitter als die Metriken, bei denen es zu gewinnen behauptet, und gibt keine Werte an, und der Zitationsblock verweist weiterhin auf arXiv:261X.XXXXX, einen Platzhalter statt eines Papers.

Die beiden Modelle konkurrieren also nicht auf derselben Achse. UniDepth V2 ist ein Tiefenschätzer mit einer starken, tabellarisch belegten Zero-Shot-Story. Depth Pro 2 ist ein Tiefenschätzer, der zeitlich stabil gemacht wurde, und der Beleg dafür sind ein Diagramm und eine Behauptung. Wenn Ihre Bewertung lautet: „Welches Modell hat Zahlen, die ich in ein Beschaffungsdokument aufnehmen kann?“, dann hat UniDepth V2 sie und Depth Pro 2 noch nicht.

Was die Ausgabe dir tatsächlich liefert

Der Unterschied in der Ausgabeform ist größer, als er aussieht. UniDepth V2 liefert Ihnen eine Punktwolke, die bereits in Kamerakoordinaten ausgedrückt ist, zusammen mit den Intrinsiken, die sie sinnvoll machen, und einem Unsicherheitskanal, auf den Sie einen Schwellenwert anwenden können. Depth Pro 2 liefert Ihnen eine Tiefenkarte plus die Brennweite, für die er sich entschieden hat – das heißt, die Umwandlung in 3D müssen Sie selbst schreiben, und Sie können sie auch selbst falsch machen. Wenn Sie Assets erzeugen, spart UniDepth V2 einen Arbeitsschritt. Wenn Sie Tiefe erzeugen – eine Matte, eine AR-Okklusionsmaske, einen Fokus-Pull –, ist die zusätzliche Struktur Arbeit, die Sie nicht gebraucht hätten.

Keines der beiden Modelle ersetzt einen Tiefensensor auf einer texturlosen oder reflektierenden Oberfläche. Beide schätzen den Maßstab anhand visueller Hinweise, und beide werden an denselben Stellen aus denselben Gründen falsch liegen.

Lizenzierung und die kommerzielle Frage

UniDepth V2 wird unter Creative Commons BY-NC 4.0 veröffentlicht, die nicht kommerziell ist. Die Gewichte von Depth Pro 2 unterliegen der Apple Machine Learning Research Model license, die das Repository als ausschließlich für Forschungszwecke definiert – nicht kommerzielle wissenschaftliche Forschung und akademische Entwicklung. In der Lizenzfrage stehen die beiden an derselben Stelle: Keine von beiden ist eine Produktlizenz, und beide brauchen ein juristisches Gespräch, bevor sie mit Umsatz in Berührung kommen.

Der Unterschied liegt in dem, was sie umgibt. Das Code-Repository von UniDepth V2 ist die Referenzimplementierung, und die Model Card verweist zur Dokumentation darauf; Depth Pro 2 liefert ein pip-installierbares Paket mit einer Kommandozeile, einer Python-API, einer Mac-Demo-App und der ausdrücklichen Angabe, dass das Repository Code zum Ausführen der Modelle, aber keinen Trainings- oder Evaluierungscode enthält. Wenn Sie bewerten, „wie schnell ein Team damit produktiv werden kann“, hat Depth Pro 2 mehr dieser Arbeit erledigt.

A screenshot of the GitHub repository page for the UniDepth V2 reference implementation, captured November 20 2026, showing the README, the ONNX export notes and the license notice.

Wo das in einem realen System landet, ist normalerweise jedes Mal dieselbe Stelle: Das Tiefenmodell ist ein einzelner Aufruf in einer Pipeline, und die Pipeline darum herum ist der Ort, an dem die Kosten und die Fragilität sitzen. OrcaRouter bringt 217 Modelle hinter einem einzigen OpenAI-kompatiblen Endpunkt zu 0 % Aufschlag — der Listenpreis des Anbieters wird unverändert durchgereicht — und ergänzt automatisches Failover zwischen Anbietern, sodass eine Tiefenstufe, die bei Bedarf sauber degradieren muss, das ohne einen zweiten Anbietervertrag tun kann. Routing ist nicht der interessante Teil einer Tiefen-Pipeline, aber es ist der Teil, der darüber entscheidet, ob die Pipeline verfügbar bleibt.

Wie man wählt

Wählen Sie UniDepth V2, wenn Sie Tiefe und Geometrie zusammen benötigen, wenn Sie ein Kameramodell angeben können und wenn Sie Zahlen brauchen, die Sie zitieren können. Die Auswertung über zehn Datensätze ist die stärkste veröffentlichte Evidenz, die eines der beiden Modelle vorzuweisen hat, und die Konfidenzausgabe ist wirklich nützlich, um schlechte Vorhersagen nachgelagert zu filtern.

Nehmen Sie Depth Pro 2, wenn Sie einen Größenregler und einen Videopfad wünschen. Mit S auf einem Laptop zu starten und auf einem Server zu H+ zu wechseln, ist ein echter Workflow, den Apple dokumentiert, und der separate Brennweiten-Schätzer bedeutet, dass Sie die Kameraberechnung einmal ausführen und wiederverwenden können. Das Design für zeitliche Konsistenz zahlt sich jedoch nur bei Video aus – bei Standbildern zahlen Sie für Cross-Frame-Attention, die Sie nie nutzen.

Was Sie nicht tun sollten, ist, einen Vergleich der beiden zu lesen, der sie in eine Rangfolge bringt. Es gibt keinen gemeinsamen Benchmark, und die Kennzahlen, die jedes Labor gewählt hat, sind die Kennzahlen, in denen jedes Labor gut ist. Wenn Sie heute eine Entscheidung treffen müssen, sind die ausschlaggebenden Kriterien das Ausgabeformat und die Lizenz, nicht ein Sieger.