Apple estima profundidad en video con Depth Pro 2

Apple publicó en noviembre de 2026 Depth Pro 2, un sistema que estima la distancia de cada píxel a partir de fotos o video de una sola cámara. El preprint v1 se depositó en arXiv el 19 de noviembre a las 18:55 UTC; la ficha de Apple solo indica el mes. Esa fecha identifica el depósito del estudio, no el día exacto de publicación de cada archivo de pesos. Apple ofrece código y paquetes de modelos, pero los pesos se distribuyen con licencia para investigación no comercial.
Qué estima con una sola cámara
El resultado es un mapa de profundidad: a cada píxel le corresponde una estimación de distancia en metros. Eso lo distingue de un mapa que indica solamente qué objeto está delante de otro. Aun así, una cifra con unidad no es una medición de referencia. El sistema infiere información a partir de las imágenes y puede equivocarse en el valor absoluto o en la ubicación de un borde. El repositorio también documenta un estimador de campo de visión para cuando no se conoce la distancia focal. Ese cálculo añade otra estimación, no transforma una cámara común en un sensor de profundidad calibrado.
Qué cambia respecto del primer Depth Pro
El Depth Pro original, publicado en 2024, ya estimaba profundidad métrica a partir de una sola imagen. En la segunda versión, el problema es conservar los bordes nítidos sin que las distancias estimadas fluctúen innecesariamente de un fotograma a otro. Los autores describen una misma red para imágenes y video, capaz de producir mapas a resolución nativa. Presentan evaluaciones de precisión, nitidez y estabilidad temporal en el manuscrito completo. Son resultados del equipo autor en sus configuraciones de prueba: no prueban que cualquier cámara, portátil o escena mantenga los mismos valores, ni son por sí solos una validación independiente.
Qué está disponible y qué exige cada paquete
La ficha de Apple en Hugging Face enlaza los repositorios separados de pesos por tamaño y el estimador de distancia focal. También existe un repositorio separado de Core ML para hardware de Apple. En su ficha, Apple indica Apple silicon y macOS 15 o posterior, y lista tamaños de entrada concretos para las funciones incluidas. Eso no contradice el enfoque a resolución nativa del artículo: las exportaciones distribuidas tienen configuraciones definidas. Su variante pequeña pide alrededor de 1,5 GB de memoria a 854 por 480 y 5 GB a 1280 por 720, según la propia ficha. No medimos esas cifras ni una tasa de fotogramas.
Por qué el código y los pesos no tienen la misma licencia
El archivo LICENSE del código original establece términos propios de Apple para usar, modificar y redistribuir bajo condiciones. El archivo LICENSE_MODEL regula los pesos y sus derivados para investigación científica y desarrollo académico no comerciales; excluye desarrollo de producto y servicios comerciales. El repositorio principal de pesos y la distribución exportada de Core ML identifican la licencia del modelo como apple-amlr. El proyecto separa además las licencias de terceros en sus créditos, incluidos TIMM y DINOv3. Que el código se pueda consultar no cambia la restricción de los pesos ni acredita autorización para un producto.
Una prueba de investigación para un laboratorio chileno
Un laboratorio universitario podría filmar cubos y cilindros hechos para el ensayo, sin personas ni objetos de terceros, a distancias conocidas. Separaría capturas fijas de secuencias en movimiento y probaría bordes finos y cambios de luz. Compararía las predicciones con una referencia física, anotaría el error por distancia y mediría cuánto varía la profundidad estimada cuando el objeto permanece quieto. También guardaría versión del modelo, tamaño de imagen y tiempos por fotograma. Es una forma de evaluar si la herramienta ayuda a una pregunta de investigación; no es una propuesta para control industrial, seguridad o uso comercial.
Preguntas frecuentes
¿Publicó Apple una aplicación? Las fuentes consultadas documentan el estudio, código y paquetes de investigación, no un lanzamiento de una aplicación de consumo.
¿La estimación métrica es exacta por definición? No. Debe compararse con una referencia para la escena y el equipo utilizados.
¿La licencia de Core ML permite vender el modelo? Su ficha indica apple-amlr, la licencia de investigación del modelo.















