iBims-1-Tiefendatensatz#

iBims-1 (unabhängige Benchmark-Bilder und zugehörige Scans) ist ein hochwertiger Innenraum-Benchmark für die monokulare Tiefenschätzung. Er ordnet RGB-Bildern Tiefen-Ground-Truth-Daten aus Laserscannern in Vermessungsqualität zu und dient dazu, scharfe Tiefenkanten und ebene Flächen zu testen.

Wichtige Funktionen#

• Hochwertige Tiefen-Ground-Truth-Daten, aufgenommen mit einem Laserscanner in Vermessungsqualität.
• Umfasst reale Innenraumszenen.
• Tiefenbereich bis ungefähr 10 m.
• Die Evaluierung erfolgt anhand von 100 Bildern.
• Speziell für die Evaluierung scharfer Tiefenkanten und der Qualität ebener Flächen entwickelt.

Rolle in YOLO26-Depth#

iBims-1 ist ein Benchmark zur Evaluierung ohne zusätzliches Training für die YOLO26-Depth-Familie; die veröffentlichten Modelle werden nicht darauf trainiert. Der Schwerpunkt auf scharfen Tiefenunterbrechungen und ebenen Bereichen macht iBims-1 zu einem präzisen Test der Tiefenkartenqualität, der über die Gesamtgenauigkeit hinausgeht.

Die Auswertung nutzt Test-Time-Augmentation (TTA) mit mehreren Maßstäben und horizontaler Spiegelung. Vor der Berechnung der Metriken werden die vorhergesagten Tiefenkarten dann durch eine Log-Least-Squares-Skalenausrichtung an die Tiefenreferenzkarten angepasst.

Ergebnisse#

Die folgende Tabelle zeigt die Genauigkeit delta1 (Anteil der Pixel innerhalb eines Schwellenwerts von 1,25×; höhere Werte sind besser) auf den iBims-1-Evaluierungsbildern, aufgeschlüsselt nach Modellgröße.

Auswertung#

iBims-1 wird nicht mit einer mitgelieferten YAML-Datei ausgeliefert. Die Evaluierung erfolgt mit einem eigens dafür vorgesehenen Skript, das die iBims-1-Bilder und die Tiefen-Ground-Truth-Daten des Laserscanners lädt, die standardmäßige TTA und eine Maßstabsanpassung nach der Methode der kleinsten logarithmischen Quadrate anwendet und die Tiefenmetriken ausgibt.

Verwendung#

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

from ultralytics import YOLO

# Ein Modell laden
model = YOLO("yolo26x-depth.pt")  # Ein vortrainiertes Tiefenmodell laden

# Tiefe in iBims-1-Bildern vorhersagen
results = model.predict("path/to/ibims1/images")

Vortrainierte Modelle#

Die YOLO26-Tiefenfamilie wird ohne zusätzliches Training auf dem iBims-1-Benchmark evaluiert. Diese Modelle werden bei der ersten Verwendung automatisch aus der Ultralytics-Asset-Version v8.4.0 heruntergeladen, zum Beispiel YOLO26x-depth, und sind in verschiedenen Größen verfügbar (yolo26n/s/m/l/x-depth), um unterschiedlichen Anforderungen an Genauigkeit und Ressourcen gerecht zu werden.

Zitate und Danksagungen#

Wenn du den iBims-1-Datensatz in deiner Forschung 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 Autorinnen und Autoren dafür danken, dass sie diese wertvolle Ressource für die Bildverarbeitungsgemeinschaft erstellt haben und pflegen.

Häufig gestellte Fragen#