Conjunto de datos de profundidad iBims-1#

iBims-1 (imágenes de referencia independientes y escaneos asociados) es un benchmark de interiores de alta calidad para la estimación monocular de profundidad. Combina imágenes RGB con datos de referencia de un escáner láser de precisión topográfica y está diseñado para evaluar los bordes nítidos de profundidad y las superficies planas.

Características principales#

• Datos de referencia de profundidad de alta calidad capturados con un escáner láser de precisión topográfica.
• Abarca escenas reales de interior.
• Rango de profundidad de hasta aproximadamente 10 m.
• La evaluación se realiza con 100 imágenes.
• Diseñado específicamente para evaluar los bordes nítidos de profundidad y la calidad de las superficies planas.

Papel de YOLO26-Depth#

iBims-1 es un benchmark de evaluación sin entrenamiento específico para la familia YOLO26-Depth; los modelos publicados no se entrenan con él. Su enfoque en las discontinuidades nítidas de profundidad y las regiones planas permite evaluar con precisión la calidad de los mapas de profundidad, más allá de la precisión global.

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 delta1 (fracción de píxeles dentro de un umbral de 1,25×; cuanto mayor, mejor) en las imágenes de evaluación de iBims-1, por tamaño de modelo.

Evaluación#

iBims-1 no incluye un YAML de conjunto de datos. Se evalúa mediante un script específico que carga las imágenes de iBims-1 y los datos de referencia de profundidad del escáner láser, aplica el aumento de datos estándar en tiempo de inferencia y la alineación de escala por mínimos cuadrados en el dominio logarítmico, y calcula las métricas de profundidad.

Uso#

iBims-1 es un benchmark externo, por lo que normalmente se ejecutan los modelos en sus imágenes con predict. Consulta la página de Predicción del modelo para ver la lista completa de argumentos disponibles.

from ultralytics import YOLO

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

# predecir la profundidad en imágenes de iBims-1
results = model.predict("path/to/ibims1/images")

Modelos preentrenados#

La familia de modelos de profundidad YOLO26 se evalúa sin entrenamiento específico en el benchmark iBims-1. 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 iBims-1 en tu investigación o trabajo de desarrollo, cita el siguiente artículo:

@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}
}

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

Preguntas frecuentes#