Um cartão de título gerado encimado por Depth Pro 2 vs UniDepth V2 em grandes caracteres geométricos escuros, com o subtítulo Um modelo, ou uma família que você precisa dimensionar por conta própria abaixo dele, acima de uma fina barra de gradiente de azul para ciano.
Guides & Insights

Depth Pro 2 vs UniDepth V2: Um Modelo ou uma Família Inteira

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

O interessante no Depth Pro 2 não é o fato de ele estimar profundidade. O UniDepth V2 faz isso, reporta resultados em dez conjuntos de dados em regime zero-shot e o faz desde que seu artigo surgiu como arXiv 2502.20110, em fevereiro de 2025. O interessante é que o Depth Pro 2 se recusa a ser um único modelo. A Apple o lançou em quatro tamanhos, além de um estimador de distância focal e uma exportação Core ML, e o tamanho que você escolhe muda o que o modelo pode fazer com você quase tanto quanto qual modelo você escolheu.

Ambos são estimadores monulares métricos treinados para funcionar em imagens que nunca viram. O Depth Pro 2 retorna profundidade em metros ao longo do eixo de visão da câmera; o UniDepth V2 retorna profundidade métrica e uma nuvem de pontos em coordenadas da câmera, juntamente com as intrínsecas que inferiu. Ambos estimam a câmera em vez de exigi-la. A comparação que importa não é a precisão — os dois laboratórios não executaram um benchmark compartilhado —, mas quanto da decisão de implantação cada um deixa para você.

Quatro tamanhos contra três backbones

O model zoo do UniDepth V2 é composto por três checkpoints: unidepth-v2-vits14, unidepth-v2-vitb14 e unidepth-v2-vitl14, um para cada tamanho de backbone ViT. O artigo descreve um módulo de câmera auto-promptável que prediz uma representação densa de câmera para condicionar as características de profundidade, uma saída pseudoesférica que separa as representações de câmera e profundidade, uma perda guiada por bordas herdada do UniDepth V1 e uma saída de incerteza. O modelo aceita intrínsecos conhecidos ou uma classe de câmera — Pinhole, Fisheye624 — e pula a predição quando você os fornece.

Os quatro tamanhos do Depth Pro 2 são S com 24M de parâmetros e 97 MB, B com 97M e 386 MB, L com 334M e 1,3 GB, e H+ com 872M e 3,5 GB. Os arquivos de configuração tornam o escalonamento concreto: S e B executam backbones DINOv3 ViT-S e ViT-B e fazem atenção entre quadros nos blocos 5, 7, 9 e 11; L executa ViT-L e faz atenção nos blocos 9 a 23; H+ executa ViT-H+ e faz atenção nos blocos 11 a 31. A dimensão do decodificador dobra de 64 em S para 128 em B e 256 tanto em L quanto em 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.

• Distribuição de parâmetros — o UniDepth V2 abrange três tamanhos de ViT sem contagens publicadas no cartão do modelo; o Depth Pro 2 abrange de 24M a 872M, com as contagens no README.

• Checkpoint padrão — Depth Pro 2 usa H+ por padrão em 3,5 GB; UniDepth V2 deixa a escolha para o chamador.

• Alvos de exportação — O Depth Pro 2 disponibiliza pacotes Core ML para hardware da Apple e um estimador separado de distância focal com 23,5 milhões de parâmetros; o UniDepth V2 oferece suporte a ONNX.

• Modelo de câmera — UniDepth V2 expõe as classes Pinhole e Fisheye624 e aceita intrínsecos conhecidos; Depth Pro 2 assume uma câmera perspectiva, lê EXIF ou estima a distância focal com o modelo separado.

• Incerteza — o UniDepth V2 retorna uma saída de confiança; o Depth Pro 2 não.

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.

A linhagem em escala métrica segue na direção oposta.

UniDepth V2 é um refinamento de um design de profundidade métrica, e o artigo deixa explícito que o objetivo do V2 era tornar a arquitetura mais simples e eficiente, ao mesmo tempo que adicionava bordas mais nítidas por meio do SSI local guiado por bordas, formas e proporções de entrada flexíveis via uma configuração de nível de resolução, inferência mais rápida, suporte a ONNX e os novos modelos de câmera. Os números zero-shot relatados, em que valores mais altos são melhores na métrica delta-1, são 98,8 no NYUv2, 96,4 no SUN-RGBD, 85,2 no ETH3D, 94,5 no iBims-1, 98,9 no KITTI, 87,0 no Nuscenes e 88,2 no DDAD, em dez conjuntos de dados no total. Esses valores são relatados pelo fornecedor e não foram reproduzidos aqui.

O Depth Pro 2 chega à escala métrica pela direção oposta. O Depth Pro original era um modelo de fundação para profundidade métrica zero-shot que produzia mapas de 2,25 megapixels em 0,3 segundos e estimava a distância focal a partir de uma única imagem, e a contribuição do Depth Pro 2 não é a escala, mas a consistência — limites nítidos e profundidade estável entre quadros. Não há uma tabela delta-1 publicada para ele. A página do projeto nomeia Boundary F1 e Jitter como as métricas que ele alega vencer e não fornece valores, e o bloco de citação ainda aponta para arXiv:261X.XXXXX, um espaço reservado, e não um artigo.

Portanto, os dois modelos não estão competindo no mesmo eixo. O UniDepth V2 é um estimador de profundidade com um histórico zero-shot sólido e tabulado. O Depth Pro 2 é um estimador de profundidade que foi tornado temporalmente estável, e a evidência disso é um gráfico e uma afirmação. Se sua avaliação é "qual deles tem números que eu posso colocar em um documento de aquisição", o UniDepth V2 os tem e o Depth Pro 2 ainda não.

O que a saída realmente lhe oferece

A diferença no formato da saída é maior do que parece. O UniDepth V2 entrega uma nuvem de pontos já expressa em coordenadas de câmera, com os intrínsecos que a tornam significativa e um canal de incerteza sobre o qual você pode aplicar limiar. O Depth Pro 2 entrega um mapa de profundidade mais a distância focal que ele escolheu, o que significa que a conversão para 3D é sua para escrever e sua para errar. Se você está produzindo assets, o UniDepth V2 economiza uma etapa. Se você está produzindo profundidade — um matte, uma máscara de oclusão de AR, um focus-pull —, a estrutura extra é trabalho de que você não precisava.

Nenhum dos modelos substitui um sensor de profundidade em uma superfície sem textura ou refletiva. Ambos estão estimando a escala a partir de evidências visuais, e ambos estarão errados nos mesmos lugares pelos mesmos motivos.

Licenciamento, e a questão comercial

UniDepth V2 é distribuído sob a Creative Commons BY-NC 4.0, que é não comercial. Os pesos do Depth Pro 2 estão sob a licença Apple Machine Learning Research Model, que o repositório define como uso apenas para pesquisa — pesquisa científica não comercial e desenvolvimento acadêmico. Na questão do licenciamento, os dois estão na mesma situação: nenhum é uma licença de produto, e ambos precisam de uma conversa jurídica antes de tocarem em receita.

A diferença está no que os cerca. O repositório de código do UniDepth V2 é a implementação de referência, e o card do modelo aponta para ele em busca de documentação; o Depth Pro 2 é distribuído como um pacote instalável via pip, com linha de comando, uma API Python, um aplicativo de demonstração para Mac e uma declaração explícita de que o repositório contém código para executar os modelos, mas não código de treinamento ou avaliação. Se você está avaliando "com que rapidez uma equipe pode se tornar produtiva com isso", o Depth Pro 2 fez mais desse trabalho.

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.

Onde isto se encaixa num sistema real costuma ser sempre no mesmo lugar: o modelo de profundidade é uma única chamada dentro de um pipeline, e é no pipeline à sua volta que moram o custo e a fragilidade. A OrcaRouter coloca 217 modelos por trás de um único endpoint compatível com OpenAI a 0% de markup — o preço de tabela do fornecedor passa sem alteração — e acrescenta failover automático entre fornecedores, para que uma etapa de profundidade que tenha de degradar com elegância o possa fazer sem um segundo contrato com fornecedor. O roteamento não é a parte interessante de um pipeline de profundidade, mas é a parte que decide se o pipeline se mantém de pé.

Como escolher

Escolha o UniDepth V2 quando você quiser profundidade e geometria juntas, quando tiver um modelo de câmera que possa fornecer e quando precisar de números que possa citar. A avaliação em dez conjuntos de dados é a evidência publicada mais forte que qualquer um dos modelos possui, e a saída de confiança é genuinamente útil para filtrar previsões ruins a jusante.

Escolha o Depth Pro 2 quando quiser um controle de tamanho e um caminho para vídeo. Começar com S em um laptop e passar para H+ em um servidor é um fluxo de trabalho real que a Apple documenta, e o estimador de distância focal separado significa que você pode executar a solução de câmera uma vez e reutilizá-la. No entanto, o design de consistência temporal só compensa em vídeo — em imagens estáticas, você está pagando por atenção entre quadros que nunca usa.

O que você não deve fazer é ler uma comparação desses dois que os classifique. Não existe benchmark compartilhado, e as métricas que cada laboratório escolheu são as métricas nas quais cada laboratório é bom. Se você precisa de uma decisão hoje, os critérios de desempate são o formato de saída e a licença, não um vencedor.