Link to this sectionمجموعة بيانات iBims-1 للعمق#

iBims-1 (اختصار لـ independent Benchmark images and matched scans) هو معيار مرجعي داخلي عالي الجودة لـ تقدير العمق أحادي العين. يربط هذا المعيار بين صور RGB ومسح ليزري عالي الدقة كحقيقة أرضية، وقد صُمم لاختبار حواف العمق الحادة والأسطح المستوية.

Link to this sectionالميزات الرئيسية#

• حقيقة أرضية للعمق بجودة عالية تم التقاطها باستخدام ماسح ليزري عالي الدقة.
• يغطي مشاهد داخلية واقعية.
• نطاق عمق يصل إلى حوالي 10 أمتار.
• يتم إجراء التقييم على 100 صورة.
• مصمم خصيصاً لتقييم حواف العمق الحادة وجودة الأسطح المستوية.

Link to this sectionدورها في YOLO26-Depth#

يُعد iBims-1 معياراً للتقييم بنمط zero-shot لعائلة YOLO26-Depth؛ حيث لم يتم تدريب النماذج المنشورة عليه. إن تركيزه على انقطاعات العمق الحادة والمناطق المستوية يجعله اختباراً دقيقاً لجودة خرائط العمق بما يتجاوز الدقة الإجمالية.

يستخدم التقييم خاصية تعزيز بيانات وقت الاختبار (TTA) متعددة المقاييس والقلب الأفقي، متبوعة بمحاذاة النطاق باستخدام مربعات الصغرى اللوغاريتمية بين خرائط العمق المتوقعة وخرائط الحقيقة الأرضية قبل حساب المقاييس.

Link to this sectionالنتائج#

يوضح الجدول أدناه دقة delta1 (نسبة البكسلات ضمن عتبة 1.25×، حيث تكون القيمة الأعلى أفضل) على صور تقييم iBims-1 حسب حجم النموذج.

Link to this sectionالتقييم#

لا يأتي iBims-1 مع ملف YAML لمجموعة بيانات مجمعة. يتم تقييمه من خلال نص برمجي مخصص للتقييم يقوم بتحميل صور iBims-1 وحقيقة العمق الأرضية الممسوحة ليزرياً، ويطبق معايير TTA ومحاذاة النطاق اللوغاريتمي، ثم يعرض مقاييس العمق.

Link to this sectionالاستخدام#

يُعتبر iBims-1 معياراً خارجياً، لذا يتم تشغيل النماذج عادةً باستخدام predict على صوره. للحصول على قائمة شاملة بالوسائط المتاحة، ارجع إلى صفحة التنبؤ الخاصة بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26x-depth.pt")  # load a pretrained depth model

# Predict depth on iBims-1 images
results = model.predict("path/to/ibims1/images")

Link to this sectionالنماذج المدربة مسبقاً#

يتم تقييم عائلة YOLO26 depth بنمط zero-shot على معيار iBims-1. يتم تنزيل هذه النماذج تلقائياً من أحدث إصدار لـ Ultralytics، على سبيل المثال YOLO26x-depth من الإصدار v8.4.0، وهي تغطي مجموعة من الأحجام (yolo26n/s/m/l/x-depth) لتلبية متطلبات الدقة والموارد المختلفة.

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات iBims-1 في عملك البحثي أو التطويري، يرجى الاستشهاد بالورقة العلمية التالية:

@inproceedings{koch2018ibims,
      title={Evaluation of CNN-based Single-Image Depth Estimation Methods},
      author={Koch, Tobias and Liebel, Lukas and Fraundorfer, Friedrich and K{\"o}rner, Marco},
      booktitle={Proceedings of the European Conference on Computer Vision (ECCV) Workshops},
      year={2018}
}

نود أن نشكر المؤلفين على إنشاء والحفاظ على هذا المورد القيم لمجتمع الرؤية الحاسوبية.