نُقدِّم HYBRIDDEPTH، وهو نموذج مقترح لتقدير العمق يُعدّ من الحلول المتميزة التي تعالج التحديات الرئيسية في تقدير العمق، بما في ذلك غموض المقياس، وتباين الأجهزة، وقابلية التعميم. يعتمد HYBRIDDEPTH على مجموعة التركيز (focal stack)، وهي بيانات يمكن الوصول إليها بسهولة في الأجهزة المحمولة الشائعة، لإنتاج خرائط عمق دقيقة بمقاييس حقيقية. وباستخدام معلومات أولية عن العمق المستمدة من التطورات الحديثة في تقدير العمق من صورة واحدة، يحقق نموذجنا مستوى أعلى من التفاصيل الهيكلية مقارنةً بالأساليب الحالية. تم اختبار نظامنا كنظام منتهٍ إلى نهاية (end-to-end)، باستخدام عميل محمول تم تطويره حديثًا لالتقاط مجموعات التركيز، والتي تُرسل بعد ذلك إلى خادم مدعوم بمعالج رسوميات (GPU) لتقدير العمق. أظهرت التحليلات الكمية والكيفية الشاملة أن HYBRIDDEPTH يتفوق على النماذج الرائدة (SOTA) في مجموعة بيانات شائعة مثل DDFF12 وNYU Depth V2. كما يُظهر HYBRIDDEPTH أداءً قويًا في التعميم الصفر (zero-shot)؛ فعند تدريبه على مجموعة NYU Depth V2، تفوق على النماذج الرائدة في الأداء الصفر عند اختباره على ARKitScenes، كما قدم خرائط عمق أكثر دقةً من الناحية الهيكلية على مجموعة Mobile Depth. يمكن الاطلاع على الكود المصدر عبر الرابط التالي: https://github.com/cake-lab/HybridDepth/.