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 au moyen d’un scanner laser de précision topographique et est conçu pour évaluer la netteté des contours de profondeur et la planéité des surfaces.

Fonctionnalités clés#

• Vérité terrain de profondeur de haute qualité, obtenue avec un scanner laser de précision topographique.
• Couvre des scènes réelles d’intérieur.
• Plage de profondeur jusqu’à environ 10 m.
• L’évaluation porte sur 100 images.
• Conçu spécifiquement pour évaluer la netteté des contours de profondeur 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 ne sont pas entraînés sur ce jeu de données. L’accent mis sur les discontinuités nettes de profondeur 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 (TTA) multi-échelle et par retournement horizontal, suivie d’un alignement d’échelle par moindres carrés en espace logarithmique entre les cartes de profondeur prédites et de vérité terrain avant le calcul des métriques.

Résultats#

Le tableau ci-dessous présente la précision delta1 (fraction de pixels situés dans un seuil de 1.25×, une valeur 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. Son évaluation s’effectue à l’aide d’un script dédié qui charge les images iBims-1 et la vérité terrain de profondeur obtenue au scanner laser, applique l’augmentation de test standard et l’alignement d’échelle par moindres carrés logarithmiques, puis calcule 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 Prédiction du modèle.

from ultralytics import YOLO

# Charger un modèle
model = YOLO("yolo26x-depth.pt")  # charger un modèle de profondeur préentraîné

# Prédire la profondeur sur des images iBims-1
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 lors de leur première utilisation depuis la publication des ressources v8.4.0 d’Ultralytics, par exemple YOLO26x-depth, et couvrent plusieurs tailles (yolo26n/s/m/l/x-depth) pour répondre à différents besoins en précision et en ressources.

Citations et remerciements#

Si tu utilises le jeu de données iBims-1 dans tes travaux de recherche ou de développement, cite 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 d’avoir créé et maintenu cette précieuse ressource pour la communauté de la vision par ordinateur.

FAQ#