مجموعة بيانات العمق ETH3D#
ETH3D معيار مرجعي للاستريو متعدد المناظر عالي الدقة، يُستخدم في تقدير العمق أحادي العين. ويوفر حقيقة أرضية بمستوى أعمال المساحة، جُمعت باستخدام ماسح ليزري، عبر المشاهد الداخلية والخارجية.
الميزات الرئيسية#
- حقيقة أرضية للعمق بمستوى أعمال المساحة، ملتقطة بماسح ليزري عالي الدقة.
- صور عالية الدقة تغطي مشاهد داخلية وخارجية.
- يصل نطاق العمق إلى نحو 60 م.
- يُجرى التقييم على 423 صورة.
- معيار مرجعي عالي الجودة للاستريو متعدد المناظر، مع حقيقة أرضية دقيقة وكثيفة.
دورها في YOLO26-Depth#
تُعد ETH3D معيارًا مرجعيًا للتقييم دون تدريب مسبق لعائلة YOLO26-Depth؛ فالنماذج المنشورة لا تُدرّب عليها. ويجعلها مزيج المشاهد الداخلية والخارجية مع حقيقة أرضية دقيقة مستندة إلى ماسح ليزري اختبارًا قويًا للتعميم عبر المجالات.
يستخدم التقييم زيادة بيانات الاختبار متعددة المقاييس والقلب الأفقي (TTA)، ثم محاذاة المقياس بطريقة المربعات الصغرى اللوغاريتمية بين خرائط العمق المتوقعة والحقيقة الأرضية قبل حساب المقاييس.
النتائج#
يعرض الجدول أدناه دقة delta1 (نسبة البكسلات التي تقع ضمن عتبة 1.25×، والأعلى أفضل) على صور تقييم ETH3D بحسب حجم النموذج.
| النموذج | دلتا1 |
|---|---|
| YOLO26n-depth | 0.905 |
| YOLO26s-depth | 0.876 |
| YOLO26m-depth | 0.943 |
| YOLO26l-depth | 0.945 |
| YOLO26x-depth | 0.953 |
التقييم#
لا تُرفق ETH3D بملف YAML مضمّن لمجموعة البيانات. بل تُقيّم باستخدام برنامج نصي مخصص للتقييم، يحمّل صور ETH3D وحقيقة العمق الأرضية الملتقطة بالماسح الليزري، ويطبّق TTA القياسي ومحاذاة المقياس بطريقة المربعات الصغرى اللوغاريتمية، ثم يعرض مقاييس العمق.
الاستخدام#
ETH3D معيار مرجعي خارجي، لذا تُشغّل النماذج عادةً باستخدام predict على صوره. للاطلاع على قائمة شاملة بالوسائط المتاحة، راجع صفحة التنبؤ الخاصة بالنموذج.
from ultralytics import YOLO
# تحميل نموذج
model = YOLO("yolo26x-depth.pt") # تحميل نموذج عمق مُدرَّب مسبقًا
# توقّع العمق في صور ETH3D
results = model.predict("path/to/eth3d/images")النماذج المدربة مسبقًا#
تُقيَّم عائلة YOLO26 للعمق دون تدريب مسبق على معيار ETH3D. تُنزَّل هذه النماذج تلقائيًا عند استخدامها للمرة الأولى من إصدار أصول Ultralytics v8.4.0، مثل YOLO26x-depth، وتتوفر بأحجام متعددة (yolo26n/s/m/l/x-depth) لتلبية متطلبات الدقة والموارد المختلفة.
الاستشهادات والشكر والتقدير#
إذا استخدمت مجموعة بيانات ETH3D في أبحاثك أو أعمال التطوير، يُرجى الاستشهاد بالورقة البحثية التالية:
@inproceedings{schops2017eth3d,
title={A Multi-View Stereo Benchmark with High-Resolution Images and Multi-Camera Videos},
author={Sch{\"o}ps, Thomas and Sch{\"o}nberger, Johannes L. and Galliani, Silvano and Sattler, Torsten and Schindler, Konrad and Pollefeys, Marc and Geiger, Andreas},
booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2017}
}نود الإشادة بالمؤلفين لإنشائهم هذا المورد القيّم لمجتمع الرؤية الحاسوبية وصيانته.
الأسئلة الشائعة#
تُعد ETH3D معيارًا للتقييم دون تدريب مسبق. لم تُدرَّب نماذج YOLO26-Depth المنشورة عليها، ولذلك تقيس صورها الداخلية والخارجية البالغ عددها 423 صورة، والمرفقة ببيانات عمق من ماسح ليزري بمستوى المسح المساحي، مدى التعميم عبر المجالات حتى نحو 60 m. يحقق أكبر نموذج، YOLO26x-depth، قيمة delta1 تبلغ 0.953 على هذا المعيار.
لا. يُقيَّم ETH3D باستخدام برنامج نصي مخصص يطبق زيادة البيانات متعددة المقاييس وقلب الصور وقت الاختبار، ثم محاذاة المقياس بالمربعات الصغرى اللوغاريتمية. لتشغيل نموذج على صور ETH3D بنفسك، استخدم وضع التنبؤ كما هو موضح في قسم الاستخدام.
تُقيَّم عائلة YOLO26-Depth أيضًا دون تدريب مسبق على NYU Depth V2 وMake3D وiBims-1، وعلى تقسيم KITTI Eigen، الذي تدخل مسارات القيادة الخاصة به ضمن مزيج التدريب المسبق. وتلخص صفحة مهمة تقدير العمق النتائج عبر المعايير الخمسة كلها.