Noticias IA · Visión Computacional 3D, Realidad Espacial y Modelos Fundacionales
Edición: Álvaro MaureiraFecha: 2026-11-02Fuente: Apple Machine Learning Research Group
Apple Machine Learning Research presentó Depth Pro, un modelo fundacional de visión computacional capaz de estimar profundidad métrica absoluta en alta resolución a partir de una única imagen 2D arbitraria en apenas 0.3 segundos sobre una GPU estándar. A diferencia de los enfoques tradicionales que requieren cámaras estereoscópicas calibradas o sensores LiDAR activos, Depth Pro infiere la distancia física real en metros de cada píxel de la escena, preservando detalles hiperfinos como cabellos, cables delgados y bordes transparentes, lo que abre horizontes inéditos para robótica móvil, síntesis de vistas espaciales y aplicaciones de realidad aumentada.
Capítulo 01
La noticia en una frase
Apple lanzó Depth Pro, infiriendo profundidad métrica real 2D a 3D en 0.3 segundos sin requerir sensores LiDAR.
En noviembre de 2026, Apple publicó el código y los pesos de Depth Pro en GitHub y Hugging Face. En pruebas sobre conjuntos de datos desafiantes sin entrenamiento previo (zero-shot), Depth Pro logró un error relativo absoluto (AbsRel) de solo 0.071 y una precisión de gradiente de bordes del 94.6%, superando ampliamente a modelos anteriores como Marigold y Depth Anything v2, al tiempo que produce mapas de profundidad densos de 2.25 megapíxeles en 300 milisegundos.
Capítulo 02
El alcance que cambia la lectura
Hasta la llegada de Depth Pro, la estimación de profundidad monocular producía únicamente valores relativos (indicando qué objeto está delante de otro, pero sin saber si está a 20 centímetros o a 20 metros) o requería metadatos EXIF de la distancia focal de la cámara. Depth Pro resuelve ambos desafíos simultáneamente: estima la longitud focal del sensor y la escala métrica absoluta directamente del contenido visual de la escena.
Capítulo 03
El mecanismo documentado
La arquitectura combina un codificador Vision Transformer multiescala con parches anidados y una red convolucional de fusión piramidal. La red procesa la imagen completa a baja resolución para capturar el contexto semántico global del entorno, mientras procesa paralelamente parches recortados a resolución completa para reconstruir los límites geométricos afilados, sintetizando ambas señales en un mapa métrico continuo.
Capítulo 04
La relación entre las piezas
Depth Pro se integra de forma directa con los pipelines de computación espacial de Apple (VisionOS y CoreML), además de ofrecer compatibilidad total con PyTorch y ONNX para su adopción en robótica autónoma con ROS 2 y motores de renderizado 3D como Blender y Unreal Engine.
Capítulo 05
Qué capacidad se puede atribuir
Se comprueba una precisión asombrosa para delimitar estructuras finas como hojas de árboles, barandillas metálicas y contornos humanos sin los artefactos de 'sangrado' habituales en sensores de tiempo de vuelo. Sin embargo, no se debe atribuir infalibilidad métrica en superficies puramente especulares (espejos planos perfectos) o escenas en penumbra total carentes de contraste visual.
Capítulo 06
La puerta de control
Los desarrolladores pueden cuantizar el modelo a formato CoreML de 8 bits para su ejecución en tiempo real en chips Apple Silicon (M2/M3/M4/A17 Pro) con un consumo de memoria inferior a 1.2 GB, garantizando procesamiento 100% en el dispositivo sin enviar imágenes a la nube.
Capítulo 07
Lo que la fuente no demuestra
El equipo de investigación de Apple documenta que en tomas aéreas a distancias superiores a 150 metros con distorsión atmosférica severa, la incertidumbre métrica se incrementa, recomendando combinar Depth Pro con odometría visual inercial en drones.
Capítulo 08
Cómo probarlo sin prometer de más
Los investigadores pueden clonar el repositorio oficial `apple/ml-depth-pro` y ejecutar inferencias con una sola línea de comando mediante `python run.py -i imagen.jpg` para generar mapas de profundidad métrica y nubes de puntos 3D en formato PLY.
Capítulo 09
Veredicto editorial
Depth Pro marca un salto cualitativo en la comprensión geométrica de la IA: transforma cualquier cámara monocromática existente en un sensor volumétrico de precisión métrica, acelerando la fusión definitiva entre el mundo digital y físico.
Fuente oficial y reporte: alvaromaureira.cl
