Link to this sectionJeu de données de profondeur ETH3D#

ETH3D est un benchmark multi-vues haute résolution utilisé pour l'estimation de profondeur monoculaire. Il fournit une vérité terrain obtenue par scanner laser de qualité topographique pour des scènes intérieures comme extérieures.

Link to this sectionFonctionnalités clés#

• Vérité terrain de profondeur de qualité topographique capturée avec un scanner laser de haute précision.
• Images haute résolution couvrant des scènes intérieures et extérieures.
• Plage de profondeur allant jusqu'à environ 60 m.
• L'évaluation est effectuée sur 423 images.
• Un benchmark multi-vues de haute qualité avec une vérité terrain dense et précise.

Link to this sectionRôle dans YOLO26-Depth#

ETH3D est un benchmark d'évaluation zéro-shot pour la famille YOLO26-Depth ; les modèles publiés n'ont pas été entraînés dessus. Son mélange de scènes intérieures et extérieures avec une vérité terrain précise obtenue par scanner laser en fait un test solide de généralisation inter-domaine.

L'évaluation utilise une augmentation de données lors du test (TTA) multi-échelle et par retournement horizontal, suivie d'un alignement d'échelle par moindres carrés logarithmiques entre les cartes de profondeur prédites et la vérité terrain avant le calcul des métriques.

Link to this sectionRésultats#

Le tableau ci-dessous rapporte la précision delta1 (pourcentage de pixels dans un seuil de 1,25×, plus c'est élevé, mieux c'est) sur les images d'évaluation ETH3D par taille de modèle.

Link to this sectionÉvaluation#

ETH3D n'est pas fourni avec un fichier YAML de jeu de données groupé. Il est évalué via un script d'évaluation dédié qui charge les images ETH3D et la vérité terrain de profondeur par scanner laser, applique le TTA standard et l'alignement d'échelle par moindres carrés logarithmiques, puis rapporte les métriques de profondeur.

Link to this sectionUtilisation#

ETH3D étant un benchmark externe, les modèles sont généralement exécutés avec predict sur ses images. Pour une liste complète des arguments disponibles, consulte la page de Prédiction du modèle.

from ultralytics import YOLO

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

# Predict depth on ETH3D images
results = model.predict("path/to/eth3d/images")

Link to this sectionModèles pré-entraînés#

La famille YOLO26 depth est évaluée en mode zéro-shot sur le benchmark ETH3D. Ces modèles se téléchargent automatiquement à partir de la dernière version d'Ultralytics, par exemple YOLO26x-depth depuis la v8.4.0, et couvrent une gamme de tailles (yolo26n/s/m/l/x-depth) pour répondre à différentes exigences de précision et de ressources.

Link to this sectionCitations et remerciements#

Si tu utilises le jeu de données ETH3D dans tes travaux de recherche ou de développement, merci de citer l'article suivant :

@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}
}

Nous tenons à remercier les auteurs pour la création et la maintenance de cette ressource précieuse pour la communauté de la vision par ordinateur.