Jeu de données de profondeur iBims-1#

iBims-1 (images de benchmark indépendantes et scans correspondants) est un benchmark intérieur de haute qualité pour l’estimation de profondeur monoculaire. Il associe des images RGB à une vérité terrain obtenue par scanner laser de qualité topographique et est conçu pour tester les contours de profondeur nets et les surfaces planes.

Fonctionnalités clés#

• Vérité terrain de profondeur de haute qualité capturée avec un scanner laser de qualité topographique.
• Couvre des scènes intérieures réelles.
• Plage de profondeur allant jusqu’à environ 10 m.
• L’évaluation est effectuée sur 100 images.
• Conçu spécifiquement pour évaluer les contours de profondeur nets et la qualité des surfaces planes.

Rôle 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 sur ce jeu de données. Son accent sur les discontinuités de profondeur nettes et les régions planes en fait un test précis de la qualité des cartes de profondeur, au-delà de la précision globale.

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

Résultats#

Le tableau ci-dessous indique la précision delta1 (pourcentage de pixels situés dans un seuil de 1.25×, une valeur plus élevée étant préférable) sur les images d’évaluation iBims-1, selon la taille du modèle.

Évaluation#

iBims-1 n’est pas fourni avec un fichier YAML de jeu de données intégré. Il est évalué au moyen d’un script d’évaluation dédié qui charge les images iBims-1 et la vérité terrain de profondeur du scanner laser, applique la TTA standard et l’alignement d’échelle par moindres carrés logarithmiques, puis fournit les métriques de profondeur.

Utilisation#

iBims-1 est un benchmark externe ; les modèles sont donc généralement exécutés avec predict sur ses images. Pour consulter la liste complète des arguments disponibles, reporte-toi à la page Prediction 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")

Modèles préentraînés#

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

Citations 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 souhaitons remercier les auteurs d'avoir créé et maintenu cette ressource précieuse pour la communauté de la vision par ordinateur.

FAQ#