Dataset di profondità iBims-1#
iBims-1 (immagini di benchmark indipendenti e scansioni corrispondenti) è un benchmark indoor di alta qualità per la stima monoculare della profondità. Associa immagini RGB a etichette di verità fondamentale ottenute con scanner laser di precisione topografica ed è progettato per valutare la nitidezza dei bordi di profondità e le superfici planari.
Funzionalità principali#
- Etichette di verità fondamentale della profondità di alta qualità, acquisite con uno scanner laser di precisione topografica.
- Include scene reali interne.
- Intervallo di profondità fino a circa 10 m.
- La valutazione viene eseguita su 100 immagini.
- Progettato specificamente per valutare la nitidezza dei bordi di profondità e la qualità delle superfici planari.
Ruolo in YOLO26-Depth#
iBims-1 è un benchmark di valutazione zero-shot per la famiglia YOLO26-Depth; i modelli pubblicati non sono addestrati su questo dataset. L'attenzione ai bordi di profondità netti e alle regioni planari lo rende un test preciso della qualità delle mappe di profondità, oltre alla semplice accuratezza complessiva.
La valutazione usa un test-time augmentation (TTA) multi-scala e con ribaltamento orizzontale, seguito dall'allineamento della scala ai minimi quadrati in logaritmi tra le mappe di profondità predette e quelle ground truth, prima del calcolo delle metriche.
Risultati#
La tabella seguente riporta l'accuratezza delta1 (frazione di pixel entro una soglia di 1.25×; valori più alti sono migliori) sulle immagini di valutazione iBims-1, suddivisa per dimensione del modello.
| Modello | delta1 |
|---|---|
| YOLO26n-depth | 0.923 |
| YOLO26s-depth | 0.899 |
| YOLO26m-depth | 0.953 |
| YOLO26l-depth | 0.952 |
| YOLO26x-depth | 0.961 |
Valutazione#
iBims-1 non viene fornito con un file YAML del dataset incluso. La valutazione viene eseguita tramite uno script dedicato che carica le immagini iBims-1 e le etichette di verità fondamentale della profondità ottenute con scanner laser, applica la TTA standard e l'allineamento di scala ai minimi quadrati dei logaritmi, quindi riporta le metriche di profondità.
Utilizzo#
iBims-1 è un benchmark esterno, quindi in genere i modelli vengono eseguiti sulle sue immagini con predict. Per un elenco completo degli argomenti disponibili, consulta la pagina Predizione del modello.
from ultralytics import YOLO
# Carica un modello
model = YOLO("yolo26x-depth.pt") # carica un modello di profondità preaddestrato
# Stima la profondità sulle immagini iBims-1
results = model.predict("path/to/ibims1/images")Modelli preaddestrati#
La famiglia YOLO26 depth viene valutata zero-shot sul benchmark iBims-1. Al primo utilizzo, questi modelli vengono scaricati automaticamente dalla release degli asset v8.4.0 di Ultralytics; ad esempio YOLO26x-depth. I modelli coprono diverse dimensioni (yolo26n/s/m/l/x-depth) per soddisfare requisiti diversi in termini di accuratezza e risorse.
Citazioni e ringraziamenti#
Se utilizzi il dataset iBims-1 nelle tue attività di ricerca o sviluppo, cita il seguente articolo:
@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}
}Desideriamo ringraziare gli autori per aver creato e mantenuto questa preziosa risorsa per la comunità della computer vision.
Domande frequenti#
iBims-1 è un benchmark indoor di 100 immagini, con dati di profondità acquisiti tramite scanner laser di precisione topografica, progettato per testare la nitidezza dei bordi di profondità e le superfici planari. Va oltre l'accuratezza complessiva per esaminare la qualità delle mappe di profondità. I modelli YOLO26-Depth vengono valutati zero-shot e YOLO26x-depth raggiunge un delta1 di 0.961.
No. iBims-1 non include un file YAML e viene valutato con uno script dedicato che applica l'augmentation di test-time multi-scala e con ribaltamento, oltre all'allineamento di scala ai minimi quadrati dei logaritmi. Usa la modalità di predizione sulle sue immagini, come illustrato nella sezione Utilizzo.
I modelli rilasciati vengono valutati zero-shot anche su NYU Depth V2, ETH3D e Make3D, oltre che sulla partizione KITTI Eigen, le cui sequenze di guida per l'addestramento fanno parte della miscela di preaddestramento; consulta la pagina dell'attività di stima della profondità per i risultati complessivi.