Une carte de titre générée, surmontée de « Depth Pro 2 vs UniDepth V2 » en grandes lettres géométriques sombres, avec le sous-titre « Un seul modèle, ou une famille que vous devez dimensionner vous-même » en dessous, au-dessus d'une fine barre de dégradé bleu à cyan.
Guides & Insights

Depth Pro 2 vs UniDepth V2 : un seul modèle ou toute une famille ?

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Ce qui est intéressant avec Depth Pro 2, ce n’est pas qu’il estime la profondeur. UniDepth V2 le fait, le rapporte sur dix jeux de données en régime zero-shot, et le fait depuis que son article est paru sous la référence arXiv 2502.20110 en février 2025. Ce qui est intéressant, c’est que Depth Pro 2 refuse d’être un seul modèle. Apple le livre en quatre tailles, plus un estimateur de distance focale, plus un export Core ML, et la taille que vous choisissez change ce que le modèle peut vous faire presque autant que le modèle que vous avez choisi.

Les deux sont des estimateurs monoculaires métriques entraînés à fonctionner sur des images qu’ils n’ont jamais vues. Depth Pro 2 renvoie une profondeur en mètres le long de l’axe de visée de la caméra ; UniDepth V2 renvoie une profondeur métrique et un nuage de points dans les coordonnées de la caméra, ainsi que les paramètres intrinsèques qu’il a déduits. Les deux estiment la caméra plutôt que de l’exiger. La comparaison qui compte n’est pas l’exactitude — les deux laboratoires n’ont pas exécuté de benchmark commun — mais dans quelle mesure chacun vous laisse prendre la décision de déploiement.

Quatre tailles face à trois backbones

Le zoo de modèles d’UniDepth V2 comprend trois checkpoints : unidepth-v2-vits14, unidepth-v2-vitb14 et unidepth-v2-vitl14, un par taille de backbone ViT. L’article décrit un module de caméra auto-promptable qui prédit une représentation dense de la caméra pour conditionner les caractéristiques de profondeur, une sortie pseudo-sphérique qui sépare les représentations de caméra et de profondeur, une perte guidée par les contours héritée d’UniDepth V1, ainsi qu’une sortie d’incertitude. Le modèle accepte des intrinsèques connues ou une classe de caméra — Pinhole, Fisheye624 — et ignore la prédiction lorsque vous les fournissez.

Les quatre tailles de Depth Pro 2 sont S avec 24 M de paramètres et 97 Mo, B avec 97 M et 386 Mo, L avec 334 M et 1,3 Go, et H+ avec 872 M et 3,5 Go. Les fichiers de configuration rendent la mise à l’échelle concrète : S et B utilisent les backbones DINOv3 ViT-S et ViT-B et calculent l’attention entre les images aux blocs 5, 7, 9 et 11 ; L utilise ViT-L et calcule l’attention aux blocs 9 à 23 ; H+ utilise ViT-H+ et calcule l’attention aux blocs 11 à 31. La dimension du décodeur double, passant de 64 sur S à 128 sur B et à 256 sur L et 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.

• Éventail de paramètres — UniDepth V2 couvre trois tailles de ViT sans effectifs publiés sur la fiche du modèle ; Depth Pro 2 s'étend de 24M à 872M, avec les effectifs indiqués dans le README.

• Point de contrôle par défaut — Depth Pro 2 utilise H+ par défaut à 3,5 Go ; UniDepth V2 laisse le choix à l’appelant.

• Cibles d’export — Depth Pro 2 fournit des paquets Core ML pour le matériel Apple ainsi qu’un estimateur distinct de distance focale à 23,5 M de paramètres ; UniDepth V2 prend en charge ONNX.

• Modèle de caméra — UniDepth V2 expose les classes Pinhole et Fisheye624 et accepte des paramètres intrinsèques connus ; Depth Pro 2 suppose une caméra perspective, lit les données EXIF ou estime la distance focale avec le modèle distinct.

• Incertitude — UniDepth V2 renvoie une sortie de confiance ; Depth Pro 2 non.

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.

La lignée à l’échelle métrique va dans l’autre sens.

UniDepth V2 est un raffinement d'une conception de profondeur métrique, et l'article précise explicitement que le rôle de V2 était de rendre l'architecture plus simple et plus efficace tout en ajoutant des contours plus nets grâce au SSI local guidé par les contours, des formes et des ratios d'entrée flexibles via un réglage du niveau de résolution, une inférence plus rapide, la prise en charge d'ONNX et les nouveaux modèles de caméra. Les chiffres zero-shot rapportés, où plus la valeur est élevée, mieux c'est sur la métrique delta-1, sont 98,8 sur NYUv2, 96,4 sur SUN-RGBD, 85,2 sur ETH3D, 94,5 sur iBims-1, 98,9 sur KITTI, 87,0 sur Nuscenes et 88,2 sur DDAD, sur dix ensembles de données au total. Ces chiffres sont rapportés par le fournisseur et non reproduits ici.

Depth Pro 2 aborde l’échelle métrique par l’autre direction. Le Depth Pro original était un modèle de fondation pour la profondeur métrique en zero-shot qui produisait des cartes de 2,25 mégapixels en 0,3 seconde et estimait la distance focale à partir d’une seule image, et la contribution de Depth Pro 2 n’est pas l’échelle mais la cohérence — des limites nettes et une profondeur stable d’une image à l’autre. Il n’existe pas de tableau delta-1 publié à son sujet. La page du projet cite Boundary F1 et Jitter comme les métriques qu’il prétend remporter et ne donne aucune valeur, et le bloc de citation pointe toujours vers arXiv:261X.XXXXX, un espace réservé plutôt qu’un article.

Donc les deux modèles ne se situent pas sur le même axe de comparaison. UniDepth V2 est un estimateur de profondeur qui bénéficie d’une solide argumentation zero-shot, chiffrée et présentée sous forme de tableaux. Depth Pro 2 est un estimateur de profondeur rendu temporellement stable, et les preuves de cela sont un graphique et une affirmation. Si votre évaluation consiste à savoir « lequel dispose de chiffres que je peux mettre dans un document d’achat », UniDepth V2 en a et Depth Pro 2 pas encore.

Ce que la sortie vous donne réellement

La différence de forme de sortie est plus importante qu’elle n’y paraît. UniDepth V2 vous fournit un nuage de points déjà exprimé en coordonnées caméra, avec les paramètres intrinsèques qui lui donnent un sens et un canal d’incertitude sur lequel vous pouvez appliquer un seuil. Depth Pro 2 vous fournit une carte de profondeur ainsi que la distance focale qu’il a retenue, ce qui signifie que la conversion en 3D vous revient à écrire — et à réussir. Si vous produisez des ressources, UniDepth V2 vous fait économiser une étape. Si vous produisez de la profondeur — un matte, un masque d’occlusion AR, un focus-pull —, la structure supplémentaire représente un travail dont vous n’aviez pas besoin.

Aucun des deux modèles ne remplace un capteur de profondeur sur une surface sans texture ou réfléchissante. Tous deux estiment l’échelle à partir d’indices visuels, et tous deux se tromperont aux mêmes endroits pour les mêmes raisons.

Licences et question commerciale

UniDepth V2 est publié sous Creative Commons BY-NC 4.0, qui est non commerciale. Les poids de Depth Pro 2 sont sous la licence Apple Machine Learning Research Model, que le dépôt définit comme limitée à la recherche — recherche scientifique non commerciale et développement académique. Sur la question des licences, les deux sont logés à la même enseigne : aucun n’est une licence produit, et les deux nécessitent une discussion juridique avant toute exploitation génératrice de revenus.

La différence tient à ce qui les entoure. Le dépôt de code d’UniDepth V2 est l’implémentation de référence, et sa fiche de modèle y renvoie pour la documentation ; Depth Pro 2 fournit un paquet installable via pip avec une ligne de commande, une API Python, une application de démonstration Mac et une déclaration explicite selon laquelle le dépôt contient le code permettant d’exécuter les modèles, mais pas le code d’entraînement ou d’évaluation. Si vous évaluez « à quelle vitesse une équipe peut-elle être productive avec cet outil », Depth Pro 2 a déjà accompli une plus grande part de ce travail.

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.

Là où cela atterrit dans un système réel, c'est généralement au même endroit à chaque fois : le modèle de profondeur n'est qu'un appel dans un pipeline, et c'est le pipeline qui l'entoure qui concentre le coût et la fragilité. OrcaRouter place 217 modèles derrière un seul point de terminaison compatible OpenAI à 0 % de marge — le prix catalogue du fournisseur est répercuté sans changement — et ajoute un basculement automatique entre fournisseurs, afin qu'une étape de profondeur qui doit se dégrader gracieusement puisse le faire sans un second contrat fournisseur. Le routage n'est pas la partie intéressante d'un pipeline de profondeur, mais c'est la partie qui décide si le pipeline reste en ligne.

Comment choisir

Choisissez UniDepth V2 lorsque vous voulez obtenir à la fois la profondeur et la géométrie, lorsque vous disposez d’un modèle de caméra que vous pouvez fournir et lorsque vous avez besoin de chiffres que vous pouvez citer. L’évaluation sur dix jeux de données constitue la preuve publiée la plus solide dont dispose l’un ou l’autre modèle, et la sortie de confiance est réellement utile pour filtrer en aval les prédictions erronées.

Choisissez Depth Pro 2 lorsque vous voulez une molette de taille et une voie vidéo. Commencer avec S sur un ordinateur portable puis passer à H+ sur un serveur est un workflow réel qu’Apple documente, et l’estimateur de distance focale séparé signifie que vous pouvez effectuer le calcul de la caméra une fois et le réutiliser. La conception de cohérence temporelle n’est toutefois rentable qu’en vidéo — sur des images fixes, vous payez pour une attention inter-images que vous n’utilisez jamais.

Ce que vous ne devez pas faire, c'est lire une comparaison de ces deux modèles qui les classe. Il n'existe aucun benchmark commun, et les métriques que chaque laboratoire a choisies sont précisément celles dans lesquelles chaque laboratoire excelle. Si vous devez trancher aujourd'hui, les critères décisifs sont le format de sortie et la licence, pas un vainqueur.