Make3D Depth Dataset#

Make3D ist ein klassischer Outdoor-Benchmark für die monokulare Tiefenschätzung. Er enthält Bilder von Szenen auf dem Campus zusammen mit echten Tiefen-Ground-Truth-Daten, die von einem benutzerdefinierten 3D-Laserscanner erfasst wurden, und wird häufig verwendet, um die Out-of-Distribution-Generalisierung zu untersuchen.

Hauptfunktionen#

• Tiefen-Ground-Truth, erfasst mit einem speziellen 3D-Laserscanner.
• Deckt echte Outdoor-Campus-Szenen ab.
• Tiefenbereich bis zu ca. 70 m.
• Die Evaluierung erfolgt auf dem Standard-Testset von 134 Bildern.
• Ein klassischer Benchmark für Out-of-Distribution-Generalisierung.

Rolle bei YOLO26-Depth#

Make3D ist ein Zero-Shot-Evaluierungs-Benchmark für die YOLO26-Depth-Familie; die veröffentlichten Modelle werden nicht darauf trainiert. Als Out-of-Distribution-Outdoor-Datensatz ist er der schwierigste Benchmark für alle Modelle, und die absoluten delta1-Werte fallen durchweg niedrig aus, was für diesen Datensatz zu erwarten ist.

Die Evaluierung nutzt Multi-Scale- und Horizontal-Flip-Test-Time-Augmentation (TTA), gefolgt von einer Log-Least-Squares-Skalenanpassung zwischen den vorhergesagten und den tatsächlichen Ground-Truth-Tiefenkarten, bevor die Metriken berechnet werden.

Ergebnisse#

Die folgende Tabelle zeigt die delta1-Genauigkeit (Prozentsatz der Pixel innerhalb eines 1,25-fachen Schwellenwerts, höher ist besser) auf dem Make3D-Testset nach Modellgröße.

Evaluierung#

Make3D wird nicht mit einem gebündelten Datensatz-YAML ausgeliefert. Die Evaluierung erfolgt über ein dediziertes Evaluierungsskript, das die Make3D-Bilder und den Laserscanner-Tiefen-Ground-Truth lädt, das Standard-TTA und die Log-Least-Squares-Skalierungsausrichtung anwendet und die Tiefenmetriken berichtet.

Verwendung#

Da Make3D ein externer Benchmark ist, werden Modelle typischerweise mit predict auf seinen Bildern ausgeführt. Eine umfassende Liste der verfügbaren Argumente findest du auf der Modellseite Vorhersage.

from ultralytics import YOLO

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

# Predict depth on Make3D images
results = model.predict("path/to/make3d/images")

Vortrainierte Modelle#

Die YOLO26-Tiefenfamilie wird im Zero-Shot-Verfahren auf dem Make3D-Benchmark evaluiert. Diese Modelle laden sich automatisch aus dem neuesten Ultralytics-Release herunter, zum Beispiel YOLO26x-depth ab v8.4.0, und decken eine Reihe von Größen (yolo26n/s/m/l/x-depth) für unterschiedliche Genauigkeits- und Ressourcenanforderungen ab.

Zitate und Danksagungen#

Wenn du den Make3D-Datensatz in deiner Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte das folgende Paper:

@article{saxena2009make3d,
      title={Make3D: Learning 3D Scene Structure from a Single Still Image},
      author={Saxena, Ashutosh and Sun, Min and Ng, Andrew Y.},
      journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
      year={2009}
}

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