Link to this sectionDataset di profondità iBims-1#

iBims-1 (independent Benchmark images and matched scans) è un benchmark per interni di alta qualità per la monocular depth estimation. Associa immagini RGB a ground truth ottenuti tramite laser scanner di precisione ed è progettato per testare bordi di profondità nitidi e superfici planari.

Link to this sectionCaratteristiche principali#

• Ground truth di profondità di alta qualità acquisito con un laser scanner di precisione.
• Copre scene indoor reali.
• Intervallo di profondità fino a circa 10 m.
• La valutazione viene eseguita su 100 immagini.
• Progettato specificamente per valutare bordi di profondità nitidi e la qualità delle superfici planari.

Link to this sectionRuolo in YOLO26-Depth#

iBims-1 è un zero-shot evaluation benchmark per la famiglia YOLO26-Depth; i modelli pubblicati non sono addestrati su di esso. La sua attenzione alle discontinuità di profondità nitide e alle regioni planari lo rende un test preciso della qualità delle mappe di profondità al di là della precisione aggregata.

La valutazione utilizza l'augmentation test-time (TTA) multi-scala e orizzontale, seguita dall'allineamento di scala log-least-squares tra le mappe di profondità previste e quelle ground truth prima del calcolo delle metriche.

Link to this sectionRisultati#

La tabella seguente riporta la precisione delta1 (percentuale di pixel entro una soglia di 1,25×, più alto è meglio) sulle immagini di valutazione di iBims-1 per dimensione del modello.

Link to this sectionValutazione#

iBims-1 non viene fornito con un dataset YAML incluso. Viene valutato tramite uno script di valutazione dedicato che carica le immagini iBims-1 e il ground truth di profondità del laser scanner, applica il TTA standard e l'allineamento della scala log-least-squares, e riporta le metriche di profondità.

Link to this sectionUtilizzo#

iBims-1 è un benchmark esterno, quindi i modelli vengono solitamente eseguiti con predict sulle sue immagini. Per un elenco completo degli argomenti disponibili, fai riferimento alla pagina Prediction del modello.

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 sectionModelli pre-addestrati#

La famiglia di profondità YOLO26 viene valutata zero-shot sul benchmark iBims-1. Questi modelli si scaricano automaticamente dall'ultima release di Ultralytics, ad esempio YOLO26x-depth dalla v8.4.0, e coprono una gamma di dimensioni (yolo26n/s/m/l/x-depth) per diverse esigenze di accuratezza e risorse.

Link to this sectionCitazioni e riconoscimenti#

Se utilizzi il dataset iBims-1 nel tuo lavoro di ricerca o sviluppo, cita il seguente documento:

@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.