Jeu de données de profondeur Make3D#

Make3D est un banc d'essai extérieur classique pour l'estimation de la profondeur monoculaire. Il contient des images de scènes de campus associées à des vérités terrain de profondeur capturées par un scanner laser 3D personnalisé, et est largement utilisé pour sonder la généralisation hors distribution.

Fonctionnalités clés#

• Vérité terrain de profondeur capturée avec un scanner laser 3D personnalisé.
• Couvre des scènes de campus extérieures réelles.
• Portée de profondeur jusqu'à environ 70 m.
• L'évaluation est effectuée sur l'ensemble de test standard de 134 images.
• Un benchmark classique de généralisation hors distribution.

Rôle dans YOLO26-Depth#

Make3D est un banc d'évaluation zéro-shot pour la famille YOLO26-Depth ; les modèles publiés ne sont pas entraînés dessus. En tant qu'ensemble extérieur hors distribution, c'est le banc d'essai le plus difficile pour tous les modèles, et les valeurs absolues de delta1 sont faibles sur toute la ligne, ce qui est attendu pour ce jeu de données.

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.

Résultats#

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 le jeu de test Make3D par taille de modèle.

Évaluation#

Make3D n'est pas fourni avec un YAML de jeu de données groupé. Il est évalué via un script d'évaluation dédié qui charge les images Make3D et la vérité terrain de profondeur du scanner laser, applique le TTA standard et l'alignement d'échelle log-moindres carrés, puis rapporte les métriques de profondeur.

Utilisation#

Make3D est un banc d'essai externe, les modèles sont donc généralement exécutés avec predict sur ses images. Pour une liste complète des arguments disponibles, réfère-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 Make3D images
results = model.predict("path/to/make3d/images")

Modèles pré-entraînés#

La famille de profondeur YOLO26 est évaluée en zéro-shot sur le banc d'essai Make3D. 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 différentes exigences de précision et de ressources.

Citations et remerciements#

Si tu utilises le jeu de données Make3D dans tes travaux de recherche ou de développement, merci de citer l'article suivant :

@article{saxena2009make3d,
      title={Make3D: Learning 3D Scene Structure from a Single Still Image},
      author={Saxena, Ashutosh and Sun, Min and Ng, Andrew Y.},
      journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
      year={2009}
}

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