Empezar

Conjunto de datos de profundidad ETH3D

ETH3D es un referente de estéreo multivista de alta resolución utilizado para la estimación monocular de profundidad. Proporciona valores de referencia de precisión topográfica, obtenidos con escáner láser, para escenas interiores y exteriores.

Características principales#

  • Datos de referencia de profundidad de precisión topográfica, capturados con un escáner láser de alta precisión.
  • Imágenes de alta resolución que abarcan escenas tanto interiores como exteriores.
  • Rango de profundidad de hasta aproximadamente 60 m.
  • La evaluación se realiza con 423 imágenes.
  • Un benchmark de estéreo multivista de gran calidad con datos de referencia densos y precisos.

Papel de YOLO26-Depth#

ETH3D es un benchmark de evaluación zero-shot para la familia YOLO26-Depth; los modelos publicados no se entrenan con este conjunto. Su combinación de escenas interiores y exteriores con datos de referencia precisos capturados con escáner láser lo convierte en una prueba exigente de generalización entre dominios.

La evaluación utiliza aumento de datos de prueba (TTA) multiescala y volteo horizontal, seguido de una alineación de escala por mínimos cuadrados en el dominio logarítmico entre los mapas de profundidad predichos y los de referencia, antes de calcular las métricas.

Resultados#

La tabla siguiente muestra la precisión δ1 (proporción de píxeles dentro de un umbral de 1,25×; cuanto mayor, mejor) en las imágenes de evaluación ETH3D, desglosada por tamaño de modelo.

Modeloδ1
YOLO26n-depth0.905
YOLO26s-depth0.876
YOLO26m-depth0.943
YOLO26l-depth0.945
YOLO26x-depth0.953

Evaluación#

ETH3D no se distribuye con un YAML de conjunto de datos incluido. Se evalúa mediante un script específico que carga las imágenes de ETH3D y los datos de referencia de profundidad del escáner láser, aplica la TTA estándar y la alineación de escala por mínimos cuadrados en el dominio logarítmico, y presenta las métricas de profundidad.

Uso#

ETH3D es un benchmark externo, por lo que normalmente se ejecutan los modelos en sus imágenes con predict.

Ejemplo de predicción
from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26x-depth.pt")  # cargar un modelo de profundidad preentrenado

# predecir la profundidad en imágenes de ETH3D
results = model.predict("path/to/eth3d/images")

Modelos preentrenados#

La familia de modelos de profundidad YOLO26 se evalúa sin entrenamiento específico en el benchmark ETH3D. Estos modelos se descargan automáticamente la primera vez que se usan desde la versión de recursos v8.4.0 de Ultralytics, por ejemplo YOLO26x-depth, y están disponibles en varios tamaños (yolo26n/s/m/l/x-depth) para distintos requisitos de precisión y recursos.

Citas y agradecimientos#

Si utilizas el conjunto de datos ETH3D en tu investigación o trabajo de desarrollo, cita el siguiente artículo:

Cita
@inproceedings{schops2017eth3d,
      title={A Multi-View Stereo Benchmark with High-Resolution Images and Multi-Camera Videos},
      author={Sch{\"o}ps, Thomas and Sch{\"o}nberger, Johannes L. and Galliani, Silvano and Sattler, Torsten and Schindler, Konrad and Pollefeys, Marc and Geiger, Andreas},
      booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
      year={2017}
}

Queremos agradecer a los autores la creación y el mantenimiento de este valioso recurso para la comunidad de visión artificial.

Preguntas frecuentes#

  • ETH3D es un benchmark de evaluación sin entrenamiento previo específico (zero-shot). Los modelos YOLO26-Depth publicados no se han entrenado con este conjunto, por lo que sus 423 imágenes de interior y exterior con datos de profundidad de escáner láser de precisión topográfica miden la generalización entre dominios hasta unos 60 m. El modelo más grande, YOLO26x-depth, alcanza una δ1 de 0.953 en este benchmark.

  • No. ETH3D se evalúa con un script específico que aplica aumento de datos de prueba en tiempo de inferencia con varias escalas y volteos, seguido de una alineación de escala por mínimos cuadrados en el dominio logarítmico. Para ejecutar tú mismo un modelo en imágenes de ETH3D, usa el modo de predicción, como se muestra en la sección Uso.

  • La familia YOLO26-Depth también se evalúa sin entrenamiento específico en NYU Depth V2, Make3D e iBims-1, y en la partición KITTI Eigen, cuyas secuencias de entrenamiento forman parte de la mezcla de preentrenamiento. La página de la tarea de estimación de profundidad resume los resultados de los cinco benchmarks.

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.