כרטיס השוואה שנוצר עבור Depth Pro ו-Depth Pro 2, המציג מהדורת 2024 עם נקודת ביקורת מונוקולרית אחת של 0.3 שניות וללא מצב וידאו, לעומת מהדורת 2026 עם ארבעה גדלים מ-24M ועד 872M פרמטרים, מצבי וידאו ושידור חי, ודוח טכני שעדיין מסומן כממלא מקום, בתוספת לוגו של OrcaRouter.
Guides & Insights

Depth Pro 2 לעומת Depth Pro: החדות נשמרה, הריצוד תוקן

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

ל-Depth Pro המקורי יש בעיה יוצאת דופן כקו בסיס: הצ'קפוינט שאפל פרסמה אינו המודל שהמאמר מתאר. כרטיס המודל אומר זאת ישירות — הצ'קפוינט במאגר הוא מימוש ייחוס שאומן מחדש, והביצועים שלו קרובים למודל המדווח במאמר אך אינם תואמים לו בדיוק. לכן כל השוואה בין Depth Pro 2 ל-Depth Pro היא השוואה מול תחליף, כולל זו שבכרטיס של Depth Pro 2 עצמו.

בהינתן הסתייגות זו, צורת השדרוג ברורה למדי. Depth Pro 2 שומר על התכונה שהפכה את Depth Pro לבולט — עומק חד בגבולות עצמים, במטרים, מתמונה בודדת — ומוסיף תכונה שנייה: עומק שנשאר יציב מפריים לפריים. כותרת המאמר מבהירה זאת בפשטות. Depth Pro היה עומק מונוקולרי מטרי חד בפחות משנייה. Depth Pro 2 הוא עומק מונוקולרי מטרי חד ועקבי לאורך זמן. כל מה שהשתנה ביניהם משרת את שם התואר השני; כמעט שום דבר לא השתנה לגבי הראשון.

שנתיים, שתי מהדורות שונות מאוד

Depth Pro הושק ב-3 באוקטובר 2024 עם מאמר, arXiv 2410.02073, ותוצאה מוצהרת: מפת עומק של 2.25 מגה-פיקסל בתוך 0.3 שניות על GPU סטנדרטי. המאגר מחזיק 568 לייקים ומעט יותר מ-6,200 הורדות. הוא סופק כצ'קפוינט אחד, depth_pro.pt, והכרטיס שלו מתאר את התרומות הטכניות — שנאי ראייה רב-קני-מידה יעיל לחיזוי צפוף, פרוטוקול אימון שמערבב נתונים אמיתיים וסינתטיים, מדדי דיוק גבולות ייעודיים, והערכת אורך מוקד ברמה המתקדמת ביותר מתמונה בודדת.

המאגרים של Depth Pro 2 נוצרו בנובמבר 2026: הכרטיס ב-3 בנובמבר, המשקלים ב-5 בנובמבר, ייצואי Core ML ב-9 בנובמבר, מעריך אורך המוקד ומאגר הקוד ב-19 בנובמבר. גם הכרטיס וגם ה-README ב-GitHub מפנים למזהה arXiv 261X.XXXXX, שהוא מציין מקום ולא preprint. אין עבורו דף מחקר ב-machinelearning.apple.com — הנתיב הזה מחזיר 404 — ואין מספרי benchmark בשום מקום מחוץ לתרשים הפיזור של הכרטיס עצמו.

אז הניסוח הכנה הוא ש-Depth Pro 2 הוא הפצת משקלים עם תיעוד, לא פרסום. Depth Pro היה מאמר עם צ'קפוינט. אם אתם מצטטים משהו, אחד מהם נותן לכם מספר והשני נותן לכם מאגר.

מה בעצם השתנה בארכיטקטורה?

Depth Pro היה מודל של תמונה בודדת. Depth Pro 2 הוא טרנספורמר רב-מבטים שמעבד פריים אחד או יותר יחד, והמנגנון ספציפי: לאחר השליש הראשון של הבלוקים שלו, הקשב מתחלף בין בתוך כל פריים לבין בין פריימים. לאחר מכן מפענח DPT חוזה מפת עומק הפוכה לכל פריים, ומרכיב טוקנים ממספר בלוקים למפות תכונות ברזולוציה שבין 1/32 ל-1/4 מרזולוציית הקלט.

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.

זהו כל הטיעון הארכיטקטוני בעד הסיקוול, ויש לו השלכה גלויה לאופן שבו מריצים את המודל. ל-Depth Pro 2 יש שני מצבי וידאו. מצב Buffered, ברירת המחדל עבור קבצים, מעבד קטעים של 16 פריימים עם חפיפה של ארבעה, מה ששומר על עומק יציב במקום שבו הקטעים נפגשים. מצב Unbuffered חוזה כל פריים כשהוא מגיע, מתוך אותו פריים ו-15 הפריימים שלפניו, והוא המצב עבור מצלמה חיה. אפל מתעדת את המחיר של המסלול החי במקום להסתיר אותו: לפריימים הראשונים בזרם יש פחות קודמים שעליהם אפשר להתבסס, ולכן העומק שלהם פחות יציב.

ל-Depth Pro אין אף אחד מהמצבים, מפני שאין לו קשב חוצה-פריימים להריץ. הזינו לו וידאו ותקבלו הערכות עצמאיות לכל פריים, וכל הבהוב ביניהן מוטל עליכם להחליק. בתמונות סטילס זה אינו חיסרון; בכל דבר שיש בו תנועה, זהו הפער שההמשך נבנה כדי לסגור.

מה לא השתנה

מוסכמות המדדים זהות, וזו חדשות טובות לכל מי שמבצע הגירה: שני המודלים תמימי דעים לגבי משמעות המספרים. העומק הוא המרחק לאורך ציר הראייה של המצלמה — קואורדינטת ה-z — ולא המרחק בקו ישר מהעדשה. עומק הופכי ב-Python מנורמל לפי אורך המוקד, ושווה ל-focallength_px / (width * depth). העומק משתנה ביחס ישר לאורך המוקד, כך שאורך מוקד ארוך ב-10 אחוזים מדי ממקם הכול רחוק ב-10 אחוזים מדי. פיקסלי שמיים מוחזרים כעומק אינסופי או, במיוחד במודלים הקטנים יותר, כעומק סופי של כמה קילומטרים, והתיעוד מורה להגביל את הטווח לפני יצירת ענן נקודות.

אומדן אורך המוקד הוא עדיין חלק מרכזי בחבילה, ועדיין ניתן לדלג עליו. תמונות שמתעדות אורך מוקד שווה-ערך ל-35 מ״מ ב-EXIF משתמשות בו; כל השאר עובר דרך האומדן. Depth Pro 2 מפצל את האומדן הזה למאגר נפרד בן 23.5 מיליון פרמטרים, apple/DepthPro2-focal, שנטען לצד כל גודל וגם יכול לרוץ בפני עצמו — שימושי אם רוצים לפתור את המצלמה פעם אחת ואת מודל העומק פעמים רבות. עם Depth Pro, אותה יכולת הייתה אפויה בתוך ה-checkpoint היחיד בלי דרך להפריד בין השניים.

התמיכה ב-Core ML נמשכת ואף משתפרת. Depth Pro 2 מספקת חבילות Core ML מיוצאות במאגר ייעודי וכוללת אפליקציית הדגמה מינימלית ל-Mac שמציגה עומק חי מהמצלמה, ודורשת Apple silicon, macOS 15 ו-Xcode 16. זהו סף נמוך יותר להשגת הדגמה עובדת ממה שהגרסה המקורית הציעה.

ארבעה גדלים מול נקודת ביקורת אחת

ההבדל המעשי הגדול ביותר הוא ש-Depth Pro 2 מסרב להיות מודל יחיד. Apple מפרסמת ארבעה, עם פרמטרים וגדלי הורדה:

• S — 24 מיליון פרמטרים, 97 MB, נקודת ההתחלה המומלצת על מחשב נייד.

• B — 97 מיליון פרמטרים, 386 MB.

• L — 334 מיליון פרמטרים, 1.3 GB.

• H+ — 872M פרמטרים, 3.5 GB, ברירת המחדל ששורת הפקודה מורידה.

הגודל שתבחר לא משנה את הרישיון כלל ואת ההתנהגות די הרבה, מכיוון שהדגמים הקטנים יותר מתועדים כמייצרים יותר מאותם עומקי שמיים כוזבים של קילומטרים רבים. H+ הוא ברירת המחדל מסיבה, אבל במחשב נייד S הוא ההבדל בין לעבוד ללא לעבוד.

Depth Pro הוא צ'קפוינט אחד בלי אפשרות כיוונון. זו לא ביקורת — זו הייתה גרסה מ-2024 והמאמר דיווח על תוצאה אחת של 0.3 שניות — אבל זה כן אומר שלשאלת ההגירה "איזה גודל" אין מקבילה בצד הישן, וכל השוואה שמתייחסת ל-"Depth Pro" כשורה אחת מול ארבע משטחת החלטה אמיתית.

המספרים, כפי שהם

הכרטיס של Depth Pro 2 מדווח על Boundary F1 ו-Jitter בממוצע על פני מערכי הנתונים Sintel ו-Spring, טוען לביצועים טובים יותר מעבודות קודמות הפועלות על פריים בודד או על מספר פריימים בשניהם, ומציג את ההשוואה בתרשים. Depth Pro הוא אחד מהסמנים בתרשים הזה. הצירים מסומנים — Boundary F1 מ-0 עד 0.3, jitter מ-0.1 עד 0 — אבל אין טבלה לפי מודל, כך שניתן לקרוא את השיפור ברמת דיוק של כמאית: H+ נמצא סמוך ל-0.29 Boundary F1 ובכ-0.017 jitter, וה-Depth Pro המקורי בכ-0.235 וב-0.095.

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.

התייחס לזה כאל טענה שדווחה על ידי ספק ולא שוחזרה, וזה אכן מה שזה. אף צד שלישי לא פרסם מספר Boundary F1 או Jitter עבור Depth Pro 2, והדוח הטכני שאמור להגדיר את פרוטוקול ההערכה הוא מציין מקום. לעומת זאת, Depth Pro המקורי כולל את מדדי הגבול בקוד שלו — eval/boundary_metrics.py חושף את SI_boundary_F1 ו-SI_boundary_Recall — כך שאם ברצונך להריץ את ההשוואה בעצמך, הכלים למחצית ממנה זמינים לציבור וה-checkpoint המיועד הוא קירוב שאומן מחדש של מודל ממאמר.

רישיון והשאלה המסחרית

ללא שינוי, וראוי לציין זאת משום שזה מסוג הדברים שמפספסים בשדרוג. המשקלים של שני המודלים נמצאים תחת רישיון Apple Machine Learning Research Model, שאותו מגדיר המאגר כמאפשר שימוש למטרות מחקר בלבד, כלומר מחקר מדעי לא-מסחרי ופיתוח אקדמי. הקוד מורשה בנפרד, וההודאות של Depth Pro 2 מזכות את TIMM ו-DINOv3 כבסיסו.

אז השדרוג חינמי במובן הרישיון ואינו זמין במובן המוצר בשני הקצוות. אם אתה משיק למטרות רווח, אף אחת משתי נקודות הביקורת אינה הנכונה, והשיחה שאתה צריך היא עם Apple ולא עם קובץ רישיון.

הגירה, באופן קונקרטי

Depth Pro 2 אינו מהווה תחליף ישיר ל-Depth Pro, מכיוון ששם החבילה, נקודת הכניסה ומזהי המודל כולם השתנו.‏ Depth Pro מותקן מ-apple/ml-depth-pro ופועל כ-depth-pro-run -i ./data/example.jpg.‏ Depth Pro 2 מותקן מ-apple-aiml-research/ml-depth-pro-2 ופועל כ-uv run depth-pro-2 predict -i assets/example.jpg -o out/, כאשר -m depthpro2-s עד -m depthpro2-h מציינים את הגודל. ב-Python הייבוא הוא depth_pro_2 ונתיב הבנייה הוא create_model_and_transforms או DepthPro2.from_pretrained.

משטח הפלט גם שינה צורה. model.infer() של Depth Pro מחזיר מילון עם depth ו-focallength_px. infer() של Depth Pro 2 מחזיר depth, ואורך המוקד מתקבל באופן טבעי יותר מהאומדן הנפרד או מסופק כ-f_px כשיש לך אותו. אם יש לך pipeline שניגש ישירות למילון החיזוי, הקצה לכך אחר צהריים.

מה שאתה מקבל עבור המיגרציה הוא חוגת גודל, נתיב וידאו עם שני מצבים מתועדים, אומדן פוקלי מופרד, ואריזת Core ML עם אפליקציית דמו עובדת. מה שאתה לא מקבל הוא מאמר, טבלת השוואה לכל מודל, או כל אישור בלתי תלוי שהמודל החדש טוב יותר — רק פיזור עם צירים מסומנים וללא טבלה מאחוריו.

שום דבר מזה לא מנותב דרכנו, ואסור לתאר אותו כאילו כן: Depth Pro 2 הם משקולות ברישיון מחקרי ממאגרים של Apple עצמה. המקום שבו שכבת ניתוב מצדיקה את קיומה הוא צעד אחד החוצה — תיאור הסצנה, ההחלטה והכתיבה סביב שלב העומק שלך הם קריאות למודל שפה, וOrcaRouter מעמידה יותר מ-200 מודלים מתארחים על מפתח אחד בתוספת של 0% מעל מחיר המחירון של הספק, עם מעבר אוטומטי בין ספקים בעת כשל, כך שנקודת ביקורת מחקרית בלא קצב שחרורים היא הדבר השביר היחיד בצינור, ולא אחד מכמה.

אם אתם על Depth Pro וזה עובד, הסיבה לעבור היא וידאו. אם אתם על Depth Pro ואתם מריצים רק תמונות סטילס, החדות שיש לכם היא אותה חדות שהמשך טוען ששמר, והדבר הישר לעשות הוא להמתין לדוח הטכני לפני שתשקיעו אחר צהריים בשינוי שם בייבוא.

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.