Một thẻ tiêu đề được tạo có tiêu đề Depth Pro 2 vs UniDepth V2 bằng kiểu chữ hình học lớn, màu tối, với phụ đề Một mô hình, hay một họ mô hình mà bạn phải tự chọn kích cỡ bên dưới nó, phía trên một thanh gradient mảnh từ xanh lam sang xanh lơ.
Guides & Insights

Depth Pro 2 vs UniDepth V2: Một mô hình hay cả một họ mô hình?

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Điều thú vị ở Depth Pro 2 không phải là việc nó ước lượng độ sâu. UniDepth V2 làm được điều đó, báo cáo kết quả trên mười bộ dữ liệu trong chế độ zero-shot, và đã làm vậy kể từ khi bài báo của nó xuất hiện dưới dạng arXiv 2502.20110 vào tháng 2 năm 2025. Điều thú vị là Depth Pro 2 không chịu chỉ là một mô hình duy nhất. Apple phát hành nó dưới dạng bốn kích cỡ, cộng thêm một bộ ước lượng tiêu cự và một bản xuất Core ML, và kích cỡ bạn chọn thay đổi những gì mô hình có thể làm với bạn gần như nhiều như việc bạn chọn mô hình nào.

Cả hai đều là những bộ ước lượng đơn mắt theo hệ mét được huấn luyện để hoạt động trên những hình ảnh mà chúng chưa từng thấy. Depth Pro 2 trả về độ sâu tính bằng mét dọc theo trục nhìn của camera; UniDepth V2 trả về độ sâu theo hệ mét và một đám mây điểm trong tọa độ camera, cùng với các thông số nội tại mà nó suy ra. Cả hai đều ước lượng camera thay vì yêu cầu bạn cung cấp thông tin đó. Phép so sánh thực sự quan trọng không phải là độ chính xác — hai phòng thí nghiệm chưa chạy một benchmark chung — mà là mỗi mô hình để bạn tự quyết định bao nhiêu phần trong quyết định triển khai.

Bốn kích thước so với ba backbone

Bộ mô hình của UniDepth V2 gồm ba checkpoint: unidepth-v2-vits14, unidepth-v2-vitb14 và unidepth-v2-vitl14, mỗi checkpoint ứng với một kích thước backbone ViT. Bài báo mô tả một mô-đun camera có khả năng tự tạo gợi ý, dự đoán biểu diễn camera dày đặc để điều kiện hóa các đặc trưng độ sâu; một đầu ra giả cầu phân tách biểu diễn camera và độ sâu; một hàm mất mát dẫn hướng theo biên kế thừa từ UniDepth V1; và một đầu ra độ bất định. Mô hình chấp nhận thông số nội tại đã biết hoặc một lớp camera — Pinhole, Fisheye624 — và bỏ qua bước dự đoán khi bạn cung cấp chúng.

Bốn kích thước của Depth Pro 2 gồm S với 24M tham số và 97 MB, B với 97M và 386 MB, L với 334M và 1,3 GB, và H+ với 872M và 3,5 GB. Các tệp cấu hình cụ thể hóa việc mở rộng quy mô: S và B chạy xương sống DINOv3 ViT-S và ViT-B và thực hiện cơ chế chú ý xuyên khung tại các khối 5, 7, 9 và 11; L chạy ViT-L và chú ý tại các khối 9 đến 23; H+ chạy ViT-H+ và chú ý tại các khối 11 đến 31. Số chiều bộ giải mã tăng gấp đôi từ 64 trên S lên 128 trên B và 256 trên cả L và 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.

• Dải tham số — UniDepth V2 trải trên ba kích thước ViT mà không công bố số lượng trên thẻ mô hình; Depth Pro 2 trải từ 24M đến 872M với số lượng trong README.

• Điểm kiểm tra mặc định — Depth Pro 2 mặc định dùng H+ ở 3,5 GB; UniDepth V2 để người gọi tự lựa chọn.

• Mục tiêu xuất — Depth Pro 2 cung cấp các gói Core ML cho phần cứng Apple và một bộ ước lượng tiêu cự riêng biệt với 23,5 triệu tham số; UniDepth V2 hỗ trợ ONNX.

• Mô hình camera — UniDepth V2 cung cấp các lớp Pinhole và Fisheye624 và chấp nhận thông số nội tại đã biết; Depth Pro 2 giả định camera phối cảnh, đọc EXIF hoặc ước lượng tiêu cự bằng mô hình riêng.

• Độ không chắc chắn — UniDepth V2 trả về đầu ra độ tin cậy; Depth Pro 2 thì không.

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.

Dòng dõi thang đo hệ mét lại chạy theo hướng ngược lại

UniDepth V2 là một bản tinh chỉnh của thiết kế độ sâu metric, và bài báo nêu rõ rằng nhiệm vụ của V2 là làm cho kiến trúc đơn giản hơn và hiệu quả hơn, đồng thời bổ sung các cạnh sắc nét hơn thông qua SSI cục bộ dẫn hướng theo cạnh, hình dạng và tỷ lệ đầu vào linh hoạt thông qua cài đặt mức phân giải, suy luận nhanh hơn, hỗ trợ ONNX và các mô hình camera mới. Các con số zero-shot được báo cáo, trong đó cao hơn là tốt hơn trên chỉ số delta-1, là 98,8 trên NYUv2, 96,4 trên SUN-RGBD, 85,2 trên ETH3D, 94,5 trên iBims-1, 98,9 trên KITTI, 87,0 trên Nuscenes và 88,2 trên DDAD, trên tổng cộng mười bộ dữ liệu. Đây là các số liệu do nhà cung cấp báo cáo và chưa được tái lập tại đây.

Depth Pro 2 đạt tỉ lệ mét từ một hướng khác. Depth Pro gốc là một mô hình nền tảng cho độ sâu mét zero-shot, tạo ra bản đồ 2,25 megapixel trong 0,3 giây và ước lượng tiêu cự từ một ảnh duy nhất, còn đóng góp của Depth Pro 2 không phải là tỉ lệ mà là tính nhất quán — ranh giới sắc nét và độ sâu ổn định qua các khung hình. Không có bảng delta-1 nào được công bố cho nó. Trang dự án nêu Boundary F1 và Jitter là các chỉ số mà nó tuyên bố đạt kết quả tốt hơn nhưng không đưa ra giá trị, và khối trích dẫn vẫn trỏ tới arXiv:261X.XXXXX, một chỗ giữ chỗ chứ không phải một bài báo.

Vậy hai mô hình không cạnh tranh trên cùng một trục. UniDepth V2 là một bộ ước lượng độ sâu với câu chuyện zero-shot mạnh mẽ, được trình bày thành bảng. Depth Pro 2 là một bộ ước lượng độ sâu đã được làm cho ổn định theo thời gian, và bằng chứng cho điều đó là một biểu đồ và một tuyên bố. Nếu đánh giá của bạn là "mô hình nào có số liệu tôi có thể đưa vào tài liệu mua sắm," thì UniDepth V2 có còn Depth Pro 2 thì chưa.

Đầu ra thực sự mang lại cho bạn điều gì

Sự khác biệt về hình dạng đầu ra lớn hơn vẻ ngoài của nó. UniDepth V2 đưa cho bạn một đám mây điểm đã được biểu diễn trong hệ tọa độ camera, cùng các thông số nội tại khiến nó có ý nghĩa và một kênh độ bất định mà bạn có thể đặt ngưỡng. Depth Pro 2 đưa cho bạn một bản đồ độ sâu cùng tiêu cự mà nó đã chọn, nghĩa là việc chuyển đổi sang 3D là do bạn viết và do bạn làm sai. Nếu bạn đang tạo asset, UniDepth V2 tiết kiệm một công đoạn. Nếu bạn đang tạo độ sâu — một matte, một mặt nạ che khuất AR, một focus-pull — thì cấu trúc thêm vào là công việc bạn không cần đến.

Cả hai mô hình đều không thay thế được cảm biến độ sâu trên bề mặt không có kết cấu hoặc bề mặt phản xạ. Cả hai đều đang ước lượng tỷ lệ từ bằng chứng thị giác, và cả hai sẽ sai ở cùng những chỗ vì cùng những lý do.

Cấp phép và câu hỏi thương mại

UniDepth V2 được phát hành theo Creative Commons BY-NC 4.0, đây là giấy phép phi thương mại. Trọng số của Depth Pro 2 thuộc giấy phép Apple Machine Learning Research Model, mà kho lưu trữ định nghĩa là chỉ dùng cho mục đích nghiên cứu — nghiên cứu khoa học phi thương mại và phát triển học thuật. Về vấn đề cấp phép, cả hai đều ở cùng một tình thế: không cái nào là giấy phép sản phẩm, và cả hai đều cần một cuộc trao đổi với bộ phận pháp lý trước khi chúng gắn với doanh thu.

Sự khác biệt nằm ở những gì xoay quanh chúng. Kho mã của UniDepth V2 là bản triển khai tham chiếu và thẻ mô hình trỏ đến đó để xem tài liệu; Depth Pro 2 cung cấp một gói cài được bằng pip với giao diện dòng lệnh, API Python, ứng dụng demo cho Mac và một tuyên bố rõ ràng rằng kho mã chứa mã để chạy các mô hình chứ không phải mã huấn luyện hay đánh giá. Nếu bạn đang đánh giá “một đội có thể đạt năng suất nhanh đến mức nào với công cụ này”, thì Depth Pro 2 đã làm nhiều phần việc đó hơn.

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.

Trong một hệ thống thực tế, chỗ này thường rơi vào cùng một vị trí mỗi lần: mô hình độ sâu chỉ là một lệnh gọi trong một pipeline, và chính pipeline bao quanh nó là nơi chứa chi phí và sự mong manh. OrcaRouter đưa 217 mô hình vào sau một endpoint duy nhất tương thích OpenAI với mức tăng giá 0% — giá niêm yết của nhà cung cấp được giữ nguyên khi chuyển qua — và bổ sung chuyển đổi dự phòng tự động giữa các nhà cung cấp, để một khâu độ sâu buộc phải suy giảm mượt mà có thể làm vậy mà không cần hợp đồng nhà cung cấp thứ hai. Định tuyến không phải là phần thú vị của một pipeline độ sâu, nhưng nó là phần quyết định liệu pipeline có duy trì hoạt động hay không.

Cách chọn

Hãy chọn UniDepth V2 khi bạn muốn có cả độ sâu và hình học cùng lúc, khi bạn có mô hình máy ảnh để cung cấp, và khi bạn cần những con số có thể trích dẫn. Đánh giá trên mười bộ dữ liệu là bằng chứng được công bố mạnh nhất mà một trong hai mô hình có, và đầu ra độ tin cậy thực sự hữu ích để lọc các dự đoán kém ở hạ nguồn.

Hãy chọn Depth Pro 2 khi bạn cần một núm chỉnh kích thước và một lối xử lý video. Bắt đầu với S trên laptop rồi chuyển sang H+ trên máy chủ là một quy trình thực tế mà Apple có tài liệu hướng dẫn, và bộ ước lượng tiêu cự riêng nghĩa là bạn có thể giải bài toán camera một lần rồi tái sử dụng. Tuy nhiên, thiết kế nhất quán theo thời gian chỉ phát huy tác dụng trên video — với ảnh tĩnh, bạn đang phải trả giá cho cơ chế attention xuyên khung mà mình không bao giờ dùng.

Điều bạn không nên làm là đọc một bản so sánh hai cái này mà xếp hạng chúng. Không có benchmark chung nào tồn tại, và các chỉ số mà mỗi phòng thí nghiệm chọn chính là những chỉ số mà phòng thí nghiệm đó giỏi. Nếu bạn cần quyết định ngay hôm nay, yếu tố phân định là định dạng đầu ra và giấy phép, không phải người thắng.