Una tarjeta de título generada encabezada por Depth Pro 2 vs UniDepth V2 en grandes caracteres geométricos oscuros, con el subtítulo «Un modelo, o una familia que tienes que dimensionar tú mismo» debajo, sobre una fina barra de degradado de azul a cian.
Guides & Insights

Depth Pro 2 vs UniDepth V2: ¿Un solo modelo o toda una familia?

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

Lo interesante de Depth Pro 2 no es que estime la profundidad. UniDepth V2 hace eso, lo reporta en diez conjuntos de datos en un régimen zero-shot, y lo viene haciendo desde que su artículo apareció como arXiv 2502.20110 en febrero de 2025. Lo interesante es que Depth Pro 2 se niega a ser un solo modelo. Apple lo lanzó en cuatro tamaños, más un estimador de distancia focal, más una exportación a Core ML, y el tamaño que eliges cambia lo que el modelo puede hacerte casi tanto como el modelo que elegiste.

Ambos son estimadores monoculares métricos entrenados para funcionar con imágenes que nunca han visto. Depth Pro 2 devuelve profundidad en metros a lo largo del eje de visión de la cámara; UniDepth V2 devuelve profundidad métrica y una nube de puntos en coordenadas de la cámara, junto con los parámetros intrínsecos que infirió. Ambos estiman la cámara en lugar de requerirla. La comparación que importa no es la precisión —los dos laboratorios no han ejecutado un benchmark compartido—, sino cuánto de la decisión de despliegue deja cada uno en tus manos.

Cuatro tamaños frente a tres backbones

El model zoo de UniDepth V2 consta de tres checkpoints: unidepth-v2-vits14, unidepth-v2-vitb14 y unidepth-v2-vitl14, uno por cada tamaño de backbone ViT. El artículo describe un módulo de cámara con autoprompt que predice una representación densa de la cámara para condicionar las características de profundidad, una salida pseudoesférica que separa las representaciones de cámara y de profundidad, una pérdida guiada por bordes heredada de UniDepth V1 y una salida de incertidumbre. El modelo acepta intrínsecos conocidos o una clase de cámara —Pinhole, Fisheye624— y omite la predicción cuando se proporcionan.

Los cuatro tamaños de Depth Pro 2 son S con 24 M de parámetros y 97 MB, B con 97 M y 386 MB, L con 334 M y 1,3 GB, y H+ con 872 M y 3,5 GB. Los archivos de configuración concretan el escalado: S y B ejecutan las columnas vertebrales DINOv3 ViT-S y ViT-B y atienden entre fotogramas en los bloques 5, 7, 9 y 11; L ejecuta ViT-L y atiende en los bloques 9 a 23; H+ ejecuta ViT-H+ y atiende en los bloques 11 a 31. La dimensión del decodificador se duplica de 64 en S a 128 en B y 256 tanto en L como en 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.

• Dispersión de parámetros — UniDepth V2 abarca tres tamaños de ViT sin recuentos publicados en la tarjeta del modelo; Depth Pro 2 abarca de 24M a 872M con los recuentos en el README.

• Punto de control predeterminado — Depth Pro 2 usa H+ por defecto con 3,5 GB; UniDepth V2 deja la elección a quien realiza la llamada.

• Objetivos de exportación — Depth Pro 2 incluye paquetes Core ML para hardware de Apple y un estimador de distancia focal independiente de 23,5 M de parámetros; UniDepth V2 incluye compatibilidad con ONNX.

• Modelo de cámara — UniDepth V2 expone las clases Pinhole y Fisheye624 y acepta intrínsecos conocidos; Depth Pro 2 asume una cámara en perspectiva, lee EXIF o estima la longitud focal con el modelo separado.

• Incertidumbre — UniDepth V2 devuelve una salida de confianza; Depth Pro 2 no.

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.

El linaje a escala métrica va en la otra dirección.

UniDepth V2 es un refinamiento de un diseño de profundidad métrica, y el artículo es explícito en que la labor de V2 era hacer la arquitectura más simple y eficiente mientras añadía bordes más nítidos mediante el SSI local guiado por bordes, formas y relaciones de aspecto de entrada flexibles mediante una configuración de nivel de resolución, inferencia más rápida, soporte para ONNX y los nuevos modelos de cámara. Las cifras zero-shot reportadas, donde más alto es mejor en la métrica delta-1, son 98.8 en NYUv2, 96.4 en SUN-RGBD, 85.2 en ETH3D, 94.5 en iBims-1, 98.9 en KITTI, 87.0 en Nuscenes y 88.2 en DDAD, en diez conjuntos de datos en total. Esas son reportadas por el fabricante y no reproducidas aquí.

Depth Pro 2 llega a escala métrica desde la dirección opuesta. El Depth Pro original era un modelo fundacional para profundidad métrica zero-shot que generaba mapas de 2,25 megapíxeles en 0,3 segundos y estimaba la distancia focal a partir de una sola imagen, y la contribución de Depth Pro 2 no es la escala, sino la consistencia: límites nítidos y profundidad estable entre fotogramas. No hay una tabla delta-1 publicada para él. La página del proyecto nombra Boundary F1 y Jitter como las métricas en las que afirma ganar y no da valores, y el bloque de citas sigue apuntando a arXiv:261X.XXXXX, un marcador de posición en lugar de un artículo.

Así que los dos modelos no compiten en el mismo eje. UniDepth V2 es un estimador de profundidad con una sólida propuesta zero-shot respaldada por tablas. Depth Pro 2 es un estimador de profundidad que se ha vuelto temporalmente estable, y la evidencia de eso es un gráfico y una afirmación. Si tu evaluación es «¿cuál tiene números que pueda poner en un documento de adquisición?», UniDepth V2 los tiene y Depth Pro 2 todavía no.

Lo que realmente te ofrece la salida

La diferencia en la forma de la salida es mayor de lo que parece. UniDepth V2 te entrega una nube de puntos ya expresada en coordenadas de cámara, con los parámetros intrínsecos que la hacen significativa y un canal de incertidumbre sobre el que puedes aplicar un umbral. Depth Pro 2 te entrega un mapa de profundidad más la distancia focal que eligió, lo que significa que la conversión a 3D es tuya para escribirla y tuya para equivocarte en ella. Si produces recursos, UniDepth V2 te ahorra una etapa. Si produces profundidad —un matte, una máscara de oclusión de RA, un cambio de enfoque—, la estructura adicional es trabajo que no necesitabas.

Ninguno de los dos modelos sustituye a un sensor de profundidad sobre una superficie sin textura o reflectante. Ambos estiman la escala a partir de evidencia visual, y ambos se equivocarán en los mismos lugares por las mismas razones.

Licencias y la cuestión comercial

UniDepth V2 se distribuye bajo Creative Commons BY-NC 4.0, que es no comercial. Los pesos de Depth Pro 2 están bajo la licencia Apple Machine Learning Research Model, que el repositorio define como solo para uso de investigación: investigación científica no comercial y desarrollo académico. En la cuestión de licencias, ambos están en la misma situación: ninguna es una licencia de producto, y ambos requieren una conversación legal antes de tocar ingresos.

La diferencia está en lo que los rodea. El repositorio de código de UniDepth V2 es la implementación de referencia y la tarjeta del modelo remite a él para la documentación; Depth Pro 2 se distribuye como un paquete instalable con pip que incluye una interfaz de línea de comandos, una API de Python, una aplicación de demostración para Mac y una declaración explícita de que el repositorio contiene código para ejecutar los modelos, pero no código de entrenamiento ni de evaluación. Si estás evaluando «qué tan rápido puede ser productivo un equipo con esto», Depth Pro 2 ya ha hecho más de ese trabajo.

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.

El lugar donde esto encaja en un sistema real suele ser siempre el mismo: el modelo de profundidad es una sola llamada dentro de un pipeline, y el pipeline que lo rodea es donde residen el coste y la fragilidad. OrcaRouter coloca 217 modelos detrás de un único endpoint compatible con OpenAI con un 0 % de recargo —el precio de lista del proveedor se mantiene sin cambios — y añade conmutación por error automática entre proveedores, de modo que una etapa de profundidad que tenga que degradarse de forma elegante pueda hacerlo sin necesidad de un segundo contrato con un proveedor. El enrutamiento no es la parte interesante de un pipeline de profundidad, pero es la parte que decide si el pipeline se mantiene en funcionamiento.

Cómo elegir

Elige UniDepth V2 cuando quieras profundidad y geometría juntas, cuando tengas un modelo de cámara que puedas proporcionar y cuando necesites cifras que puedas citar. La evaluación de diez conjuntos de datos es la evidencia publicada más sólida que tiene cualquiera de los dos modelos, y la salida de confianza resulta realmente útil para filtrar predicciones erróneas en etapas posteriores.

Elige Depth Pro 2 cuando quieras un control de tamaño y una ruta de vídeo. Empezar con S en un portátil y pasar a H+ en un servidor es un flujo de trabajo real que Apple documenta, y el estimador independiente de distancia focal significa que puedes ejecutar el cálculo de cámara una vez y reutilizarlo. Sin embargo, el diseño de consistencia temporal solo compensa en vídeo; en fotos fijas estás pagando por una atención entre fotogramas que nunca usas.

Lo que no deberías hacer es leer una comparativa de estos dos que los clasifique. No existe ningún benchmark compartido, y las métricas que cada laboratorio eligió son las métricas en las que cada laboratorio es bueno. Si necesitas tomar una decisión hoy, los criterios de desempate son el formato de salida y la licencia, no un ganador.