Depth Pro是一种零样本单眼深度估计（monocular depth estimation）的根本模型，能为高解析度深度图加入细节锐利度，成为高品质3D图像。利用单眼深度估计技能的好处是可以运用于任何类型图片，且可零样本演习出具有可量测的深度，因而能准确重制物件形状、场景布局，用在舆图上，则可重制具有绝对尺度值的深度图（depth map），而且不需供应相机内部参数metadata（像是焦距）给模型。简而言之，这种AI模型预测方法不须要感测器数据即可准确预测，也可用任何单一图片来合成想要的图片。
在研究方法上，研究团队利用了2个视觉Transformer（vision transformer，ViT）模型，包括一个影像补片编码器（patch encoder）和一个影像编码器（image encoder），前者卖力将图片切成小补片，完成特徵提取、推论图片像素的深度，后者以高下文（context）讯息提升深度估计的准确性。模型完成后的后处理方面，团队以真实和合成资料集来提升量测准确性以及物件边界跟踪（boundary tracing）能力，辅以另一个影像编码器模型供应的焦距估计，藉此优化3D图片天生结果。
在边界准确度测试上，Depth Pro超过所有现有模型，像是Marigold和PatchFusion。该模型另一优点是速率快，在实测中可以在一台利用一颗Nvidia V100 GPU上0.3秒内天生2.25-megapixel的深度图。
连同论文，苹果并将Depth Pro模型程式码和加权值等公布在GitHub上（GitHub - apple/ml-depth-pro: Depth Pro: Sharp Monocular Metric Depth in Less Than a Second.）。
