Conjunto de datos de profundidad iBims-1#

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

Características principales#

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

Papel en YOLO26-Depth#

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

La evaluación utiliza aumento de datos en tiempo de prueba (TTA) multiescala y con volteo horizontal, seguido de un alineamiento de escala por mínimos cuadrados logarítmicos entre los mapas de profundidad predichos y los de referencia 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, mejor) en las imágenes de evaluación de iBims-1, desglosada por tamaño del modelo.

Evaluación#

iBims-1 no se distribuye con un archivo YAML de conjunto de datos incluido. Se evalúa mediante un script de evaluación específico que carga las imágenes de iBims-1 y los datos reales de profundidad del escáner láser, aplica la TTA estándar y el ajuste de escala por mínimos cuadrados logarítmicos, y muestra las métricas de profundidad.

Uso#

iBims-1 es un benchmark externo, por lo que normalmente los modelos se ejecutan con predict sobre sus imágenes. Para consultar una lista completa de los argumentos disponibles, visita 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 en modo zero-shot en el benchmark iBims-1. Estos modelos se descargan automáticamente desde la versión más reciente de Ultralytics; por ejemplo, YOLO26x-depth desde la versión v8.4.0, y abarcan distintos tamaños (yolo26n/s/m/l/x-depth) para adaptarse a diferentes requisitos de precisión y recursos.

Citas y agradecimientos#

Si utilizas el conjunto de datos iBims-1 en tu trabajo de investigación o 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 por computador.

Preguntas frecuentes#