مجموعة بيانات iBims-1 للعمق#

iBims-1 (صور المعيار المستقل والمسوحات المتطابقة) هو معيار داخلي عالي الجودة لتقدير العمق أحادي العين. يربط صور RGB ببيانات أرضية ماسح ضوئي ليزري بدرجة المساحة وهو مصمم لاختبار حواف العمق الحادة والأسطح المستوية.

الميزات 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.

الدور 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 وبالقلب الأفقي، متبوعة بمحاذاة المقياس بمربعات الصغرى اللوغاريتمية بين خرائط العمق المتوقعة وخرائط العمق الأرضية قبل حساب المقاييس.

النتائج#

يُبلغ الجدول أدناه عن دقة delta1 (نسبة بكسل ضمن عتبة 1.25×، وكلما زادت كان ذلك أفضل) على صور تقييم iBims-1 حسب حجم النموذج.

التقييم#

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.

الاستخدام#

iBims-1 هو معيار خارجي، لذا عادةً ما يتم تشغيل النماذج باستخدام predict على صوره. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التنبؤ للنموذج.

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")

النماذج المدربة مسبقاً#

يتم تقييم عائلة عمق YOLO26 بدون تدريب مسبق (zero-shot) على معيار iBims-1. تقوم هذه النماذج بالتحميل التلقائي من أحدث إصدار لـ Ultralytics، على سبيل المثال YOLO26x-depth من الإصدار v8.4.0، وتمتد عبر نطاق من الأحجام (yolo26n/s/m/l/x-depth) لتلبية متطلبات الدقة والموارد المختلفة.

الاقتباسات 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 هذا المورد القيم والحفاظ عليه لمجتمع رؤية الكمبيوتر.