Link to this sectionJeu de données de profondeur iBims-1#

iBims-1 (independent Benchmark images and matched scans) est un benchmark d'intérieur de haute qualité pour l'estimation de profondeur monoculaire. Il associe des images RVB à une vérité terrain obtenue par scanner laser de niveau topographique et est conçu pour tester les bords de profondeur nets et les surfaces planes.

Link to this sectionFonctionnalités clés#

• Vérité terrain de profondeur de haute qualité capturée avec un scanner laser de niveau topographique.
• Couvre des scènes d'intérieur réelles.
• Portée de profondeur jusqu'à environ 10 m.
• L'évaluation est effectuée sur 100 images.
• Spécifiquement conçu pour évaluer les bords de profondeur nets et la qualité des surfaces planes.

Link to this sectionRôle dans YOLO26-Depth#

iBims-1 est un benchmark d'évaluation zero-shot pour la famille YOLO26-Depth ; les modèles publiés n'ont pas été entraînés dessus. Son accent mis sur les discontinuités de profondeur nettes et les régions planes en fait un test précis de la qualité de la carte de profondeur au-delà de la précision globale.

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 indique la précision delta1 (pourcentage de pixels dans un seuil de 1,25×, plus c'est élevé, mieux c'est) sur les images d'évaluation iBims-1 par taille de modèle.

Link to this sectionÉvaluation#

iBims-1 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 iBims-1 et la vérité terrain de profondeur du scanner laser, applique les TTA standard et l'alignement d'échelle log-moindres carrés, puis rapporte les métriques de profondeur.

Link to this sectionUtilisation#

iBims-1 est un benchmark externe, les modèles sont donc généralement exécutés avec predict sur ses images. Pour une liste complète des arguments disponibles, consulte la page Prédiction du modèle.

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")

Link to this sectionModèles pré-entraînés#

La famille de profondeur YOLO26 est évaluée en zero-shot sur le benchmark iBims-1. Ces modèles se téléchargent automatiquement à partir de la dernière version d'Ultralytics, par exemple YOLO26x-depth à partir de v8.4.0, et couvrent une gamme de tailles (yolo26n/s/m/l/x-depth) pour répondre à différents besoins de précision et de ressources.

Link to this sectionCitations et remerciements#

Si tu utilises le jeu de données iBims-1 dans tes travaux de recherche ou de développement, merci de citer l'article suivant :

@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}
}

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