مجموعة بيانات العمق ETH3D#
ETH3D هو معيار ليزري متعدد الرؤى عالي الدقة يُستخدم في monocular depth estimation. ويوفر قياسات دقيقة للغاية بماسح ضوئي ليزري يمثل الحقيقة الأرضية عبر مشاهد داخلية وخارجية.
الميزات الرئيسية#
- بيانات عمق أرضية على مستوى المسح تم التقاطها باستخدام ماسح ليزري عالي الدقة.
- صور عالية الدقة تغطي مشاهد داخلية وخارجية.
- نطاق عمق يصل إلى حوالي 60 متراً.
- يتم إجراء التقييم على 423 صورة.
- معيار قياسي عالي الجودة للمجسمات متعددة الرؤى مع بيانات أرضية كثيفة ودقيقة.
الدور في YOLO26-Depth#
يعتبر ETH3D معياراً للتقييم دون تدريب مسبق (zero-shot) لعائلة YOLO26-Depth؛ حيث لم يتم تدريب النماذج المنشورة عليه. مزيجه من المشاهد الداخلية والخارجية مع بيانات أرضية دقيقة بالماسح الليزري يجعله اختباراً قوياً للتعميم عبر النطاقات.
يستخدم التقييم خاصية تعزيز بيانات وقت الاختبار (TTA) متعددة المقاييس وبالقلب الأفقي، متبوعة بمحاذاة المقياس بمربعات الصغرى اللوغاريتمية بين خرائط العمق المتوقعة وخرائط العمق الأرضية قبل حساب المقاييس.
النتائج#
يعرض الجدول أدناه دقة delta1 (نسبة البكسلات ضمن عتبة 1.25 ضعف، وكلما كانت أعلى كان أفضل) على صور تقييم ETH3D حسب حجم النموذج.
| النموذج | delta1 |
|---|---|
| YOLO26n-depth | 0.905 |
| YOLO26s-depth | 0.876 |
| YOLO26m-depth | 0.943 |
| YOLO26l-depth | 0.945 |
| YOLO26x-depth | 0.953 |
التقييم#
لا يتم شحن ETH3D مع ملف YAML مجمع لمجموعة البيانات. يتم تقييمه من خلال نص برمجي مخصص للتقييم يقوم بتحميل صور ETH3D وبيانات العمق الأرضية للماسح الليزري، ويطبق TTA القياسي ومحاذاة المقياس بمربعات الصغرى اللوغاريتمية، ثم يبلغ عن مقاييس العمق.
الاستخدام#
يُعد ETH3D معيارًا خارجيًا، لذا عادةً ما يتم تشغيل النماذج باستخدام predict على صورها. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة Prediction للنموذج.
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26x-depth.pt") # load a pretrained depth model
# Predict depth on ETH3D images
results = model.predict("path/to/eth3d/images")النماذج المدربة مسبقاً#
يتم تقييم عائلة عمق YOLO26 بطريقة التقييم الصفري (zero-shot) على معيار ETH3D. تقوم هذه النماذج بالتحميل التلقائي من أحدث إصدار لـ Ultralytics، على سبيل المثال YOLO26x-depth بدءاً من الإصدار v8.4.0، وتمتد عبر مجموعة من الأحجام (yolo26n/s/m/l/x-depth) لتناسب متطلبات الدقة والموارد المختلفة.
الاقتباسات والشكر#
إذا كنت تستخدم مجموعة بيانات ETH3D في عملك البحثي أو التطويري، فيرجى الاستشهاد بالورقة العلمية 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 أن نشكر المؤلفين على إنشاء هذا المورد القيم والحفاظ عليه لمجتمع رؤية الكمبيوتر.