iBims-1-Tiefendatensatz#

iBims-1 (unabhängige Benchmarkbilder und zugehörige Scans) ist ein hochwertiger Indoor-Benchmark für die monokulare Tiefenschätzung. Er verknüpft RGB-Bilder mit Tiefenreferenzdaten in Vermessungsqualität aus einem Laserscanner und wurde entwickelt, um scharfe Tiefenkanten und ebene Flächen zu testen.

Wichtige Funktionen#

• Hochwertige Tiefenreferenzdaten, erfasst mit einem Laserscanner in Vermessungsqualität.
• Umfasst reale Innenraumszenen.
• Tiefenbereich bis ungefähr 10 m.
• Die Auswertung erfolgt anhand von 100 Bildern.
• Speziell für die Bewertung scharfer Tiefenkanten und der Qualität ebener Flächen entwickelt.

Rolle in YOLO26-Depth#

iBims-1 ist ein Zero-Shot-Evaluierungsbenchmark für die YOLO26-Depth-Familie; die veröffentlichten Modelle wurden nicht darauf trainiert. Der Fokus auf scharfe Tiefenunterbrechungen und ebene Bereiche macht den Datensatz zu einem präzisen Test der Qualität von Tiefenkarten über die aggregierte Genauigkeit hinaus.

Für die Auswertung werden Testzeit-Augmentierung (TTA) mit mehreren Maßstäben und horizontalem Spiegeln verwendet. Anschließend erfolgt eine Skalenausrichtung zwischen den vorhergesagten Tiefenkarten und den Tiefenkarten der Referenzdaten mithilfe der logarithmischen Methode der kleinsten Quadrate, bevor die Metriken berechnet werden.

Ergebnisse#

Die folgende Tabelle zeigt die Genauigkeit von delta1 (Prozentsatz der Pixel innerhalb eines Schwellenwerts von 1.25×, höher ist besser) auf den iBims-1-Auswertungsbildern, aufgeschlüsselt nach Modellgröße.

Auswertung#

iBims-1 wird nicht mit einer gebündelten Dataset-YAML-Datei ausgeliefert. Die Auswertung erfolgt über ein spezielles Auswertungsskript, das die iBims-1-Bilder und die Tiefenreferenzdaten des Laserscanners lädt, die standardmäßige TTA- und Log-Least-Squares-Skalenausrichtung anwendet und die Tiefenmetriken ausgibt.

Verwendung#

iBims-1 ist ein externer Benchmark, daher werden Modelle typischerweise mit predict auf seinen Bildern ausgeführt. Eine vollständige Liste der verfügbaren Argumente findest du auf der Seite Prediction des Modells.

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")

Vortrainierte Modelle#

Die YOLO26-Tiefenfamilie wird im Zero-Shot-Verfahren auf dem iBims-1-Benchmark ausgewertet. Diese Modelle werden automatisch aus der neuesten Ultralytics-Version heruntergeladen, beispielsweise YOLO26x-depth aus v8.4.0, und decken verschiedene Größen (yolo26n/s/m/l/x-depth) für unterschiedliche Anforderungen an Genauigkeit und Ressourcen ab.

Zitate und Danksagungen#

Wenn du den iBims-1-Datensatz für deine Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte die folgende Veröffentlichung:

@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}
}

Wir möchten den Autoren für die Erstellung und Pflege dieser wertvollen Ressource für die Computer-Vision-Community danken.

FAQ#