ETH3D深度データセット#

ETH3Dは、単眼深度推定に使用される高解像度のマルチビュー・ステレオベンチマークです。屋内および屋外のシーン全体にわたり、測量級のレーザースキャナーによるグラウンドトゥルースを提供します。

主な特徴#

• 高精度レーザースキャナーで取得された測量級の深度グラウンドトゥルースです。
• 屋内および屋外のシーンをカバーする高解像度画像です。
• 深度範囲は約60 mまでです。
• 評価は423枚の画像で実施されます。
• 高精度な密なグラウンドトゥルースを備えた、高品質なマルチビュー・ステレオベンチマークです。

YOLO26-Depthにおける役割#

ETH3DはYOLO26-Depthファミリーのゼロショット評価ベンチマークです。公開されているモデルはETH3Dで学習されていません。屋内および屋外のシーンと、精度の高いレーザースキャナーによるグラウンドトゥルースを組み合わせているため、クロスドメインの汎化性能を検証する優れたテストとなります。

評価では、マルチスケールおよび水平反転のテスト時データ拡張（TTA）を適用し、その後、メトリクスを計算する前に、予測深度マップと正解深度マップの間で対数最小二乗によるスケールアライメントを実行します。

結果#

以下の表では、モデルサイズ別にETH3D評価画像におけるdelta1の精度（1.25×しきい値以内にあるピクセルの割合。高いほど良好）を示します。

評価#

ETH3Dには、付属のデータセットYAMLは含まれていません。専用の評価スクリプトを使用して評価を実行します。このスクリプトはETH3D画像とレーザースキャナーによる深度グラウンドトゥルースを読み込み、標準的なTTAと対数最小二乗スケールアライメントを適用し、深度メトリクスを出力します。

使用方法#

ETH3Dは外部ベンチマークであるため、通常、モデルはその画像に対してpredictを使用して実行されます。利用可能な引数の完全な一覧については、モデルの予測ページを参照してください。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26x-depth.pt")  # load a pretrained depth model

# Predict depth on ETH3D images
results = model.predict("path/to/eth3d/images")

事前トレーニング済みモデル#

YOLO26の深度ファミリーは、ETH3Dベンチマーク上でゼロショット評価されます。これらのモデルは最新のUltralyticsリリースから自動的にダウンロードされます。たとえば、v8.4.0のYOLO26x-depthなどがあり、精度とリソース要件に応じて、さまざまなサイズ（yolo26n/s/m/l/x-depth）が用意されています。

引用と謝辞#

研究または開発業務でETH3Dデータセットを使用する場合は、以下の論文を引用してください。

@inproceedings{schops2017eth3d,
      title={A Multi-View Stereo Benchmark with High-Resolution Images and Multi-Camera Videos},
      author={Sch{\"o}ps, Thomas and Sch{\"o}nberger, Johannes L. and Galliani, Silvano and Sattler, Torsten and Schindler, Konrad and Pollefeys, Marc and Geiger, Andreas},
      booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
      year={2017}
}

コンピュータビジョンコミュニティにこの貴重なリソースを作成し、維持してくださった著者の皆様に謝意を表します。

FAQ#