苹果 DepthPro2 一共放出四档不同参数量的深度估计模型,从最小 24M 一直到最大 872M,同时官方仓库配齐了 Core ML 导出支持,开发者可以直接在苹果移动端、Mac 设备上本地跑单眼度量深度。它的定位是同时兼顾图片和视频的深度预测,解决旧方案要么边界模糊、要么视频帧之间深度抖动的矛盾,小模型主打高帧率实时推理,大模型主打精度、边界锐利度和时序稳定性。整套模型基于 DINOv3 主干加上多视图 Transformer 与 DPT 解码器,支持单张图像输入,也支持流式视频逐帧处理,输出带真实尺度的度量深度图,不是相对深度。你可以按设备性能挑选对应的版本,轻量机型用小参数量版本保证速度,算力充足的设备选用大模型拿到更好效果,导出 Core ML 之后就能接入 Xcode,在 iPhone、iPad、Mac 里集成进自己的应用。
四档模型参数清单
| 模型名称 | 参数量 | 主干网络 | 定位特点 |
|---|---|---|---|
| Depth Pro 2‑S | 24.3M | ViT‑S/16 | 轻量高速,适合实时视频 |
| Depth Pro 2‑B | 96.5M | ViT‑B/16 | 均衡版,速度和精度折中 |
| Depth Pro 2‑L | 334.0M | ViT‑L/16 | 高精度中端版本 |
| Depth Pro 2‑H+ | 872.1M | ViT‑H+/16 | 旗舰,精度、边界、时序稳定性最优 |
Core ML 相关说明
- 官方仓库提供 Core ML 导出路径,转换后可以在 Apple Silicon、Neural Engine 上推理。
- 支持在本地离线运行,不需要云端,适合隐私优先的相机、AR、测距类场景。
- 导出后依然可以根据需要选择精度格式,适配不同设备的性能上限。
性能参考
- Depth Pro 2‑S 在对应 GPU 上跑 1080p 视频可达 53fps,高于常规视频 30fps 标准。
- Depth Pro 2‑H+ 1080p 推理约 8fps,适合静态图片、对实时性要求不高的高精度深度采集。
【相关 FAQ】
问题 1:DepthPro2 的 24M 到 872M 四档模型差别主要在哪?
回答 1:DepthPro2 四档模型参数量从 24M 到 872M 递增,差别集中在推理速度、深度图精度、物体边缘清晰度、视频时序稳定性,小模型更快,大模型深度预测质量更高。
问题 2:DepthPro2 配套的 Core ML 有什么用处?
回答 2:DepthPro2 的 Core ML 支持让这套深度模型可以直接部署在苹果手机、平板、Mac 上本地推理,方便开发者把 DepthPro2 的度量深度能力放进 App 里离线使用。
问题 3:DepthPro2 能不能处理视频,还是只能处理图片?
回答 3:DepthPro2 同时支持图片和视频,四档模型都支持流式视频输入,并且设计目标就是提升视频场景下深度结果的时序一致性。
问题 4:DepthPro2 是否可以直接商用?
回答 4:目前 DepthPro2 权重和代码标注为研究用途,正式商用需要看对应的许可协议,不能默认直接商用。
【参考资料】
[2026-11-21](Apple abre modelos de profundidade métrica)PLUGGED NINJA
[2026-11-20](Apple releases Depth Pro 2 models for sharp, steady depth from photos and video)AI Brief
[2026-11-19](Depth Pro 2: Sharp and Temporally Consistent Metric Monocular Depth)arXiv
[未知时间](Depth Pro 2)apple-aiml-research.github.io
【免责声明】
以上信息仅为技术资讯整理,模型许可、Core ML 兼容性、设备推理表现以苹果官方仓库、论文和开发者文档为准,不构成开发落地、商用许可建议。
本文来自作者[光序监听]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/4001.html
评论列表(4条)
我是环球科技潮的签约作者“光序监听”!
希望本篇文章《参数量24M到872M整整四档,苹果DepthPro2连Core ML都给配齐了》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:苹果 DepthPro2 一共放出四档不同参数量的深度估计模型,从最小 24M 一直到最大 872M,同时官方仓库配齐了 Core ML 导出支持,开发者可以直接在苹果移动端、Mac 设备上本地跑单眼度量深度。它的定位是同时兼顾图片和视频的深度预测,解决旧方案要么边界模糊、要么视频帧之间深度抖动的矛盾,小模型主打高帧率实时推理,大模型主打精度、边界锐利度和时序稳定性。整套模型基于 DINOv3 主干加上多视图 Transformer 与 DPT 解码器,支持单张图像输入,也支持流式视频逐帧处理,输出带真实尺度的度量深度图,不是相对深度。你可以按设备性能挑选对应的版本,轻量机型用小参数量版本保证速度,算力充足的设备选用大模型拿到更好效果,导出 Core ML 之后就能接入 Xcode,在 iPhone、iPad、Mac 里集成进自己的应用。