Dataset de profundidad iBims-1#

iBims-1 (imágenes de referencia independientes y escaneos coincidentes) es una referencia de alta calidad para interiores para la estimación de profundidad monocular. Combina imágenes RGB con datos de verdad terreno obtenidos mediante escáner láser de precisión topográfica y está diseñada para evaluar bordes de profundidad nítidos y superficies planas.

Características clave#

• Verdad fundamental de profundidad de alta calidad capturada con un escáner láser de grado topográfico.
• Cubre escenas reales de interiores.
• Rango de profundidad de hasta aproximadamente 10 m.
• La evaluación se realiza sobre 100 imágenes.
• Diseñado específicamente para evaluar bordes de profundidad nítidos y la calidad de superficies planas.

Rol en YOLO26-Depth#

iBims-1 es un benchmark de evaluación zero-shot para la familia YOLO26-Depth; los modelos publicados no han sido entrenados con él. Su enfoque en discontinuidades de profundidad nítidas y regiones planas lo convierte en una prueba precisa de la calidad del mapa de profundidad más allá de la precisión agregada.

La evaluación utiliza aumento de datos durante la inferencia (TTA) a multiescala y con inversión horizontal, seguido de una alineación de escala log-mínimos cuadrados entre los mapas de profundidad predichos y los de verdad fundamental antes de calcular las métricas.

Resultados#

La tabla siguiente muestra la precisión de delta1 (porcentaje de píxeles dentro de un umbral de 1,25×, cuanto mayor sea, mejor) en las imágenes de evaluación de iBims-1 según el tamaño del modelo.

Evaluación#

iBims-1 no se suministra con un YAML de dataset incluido. Se evalúa mediante un script de evaluación dedicado que carga las imágenes de iBims-1 y la verdad fundamental de profundidad del escáner láser, aplica la TTA estándar y la alineación de escala log-mínimos cuadrados, y reporta las métricas de profundidad.

Uso#

iBims-1 es un conjunto de datos de referencia externo, por lo que los modelos se ejecutan normalmente con predict en sus imágenes. Para ver una lista completa de los argumentos disponibles, consulta la página de Predicción del modelo.

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")

Modelos preentrenados#

La familia de modelos de profundidad YOLO26 se evalúa sin entrenamiento previo (zero-shot) en el conjunto de referencia iBims-1. Estos modelos se descargan automáticamente desde la última versión de Ultralytics, por ejemplo YOLO26x-depth a partir de v8.4.0, y abarcan varios tamaños (yolo26n/s/m/l/x-depth) para diferentes requisitos de precisión y recursos.

Citas y agradecimientos#

Si utilizas el dataset iBims-1 en tu trabajo de investigación o desarrollo, por favor 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 por crear y mantener este valioso recurso para la comunidad de visión por computador.