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。屋内と屋外の両方のシーンで、測量用グレード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。

主な機能#

• 高精度レーザースキャナーで取得した、測量用グレードの深度グラウンドトゥルースです。
• 屋内と屋外の両方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。
• 423枚の画像で評価を実施します。
• 正確で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モデルファミリーのゼロショット評価ベンチマークであり、公開済みモデルのトレーニングには使用されていません。正確なレーザースキャナーによるグラウンドトゥルースを備えた屋内外のシーンを含むため、ドメイン間の汎化能力を厳密に評価できます。

評価では、マルチスケールと水平反転のテスト時拡張（TTA）を使用します。その後、メトリクスの計算前に、予測深度マップとグラウンドトゥルース深度マップの間で対数最小二乗によるスケール調整を行います。

結果#

以下の表は、モデルサイズごとに、ETH3D評価画像におけるdelta1精度（1.25倍のしきい値以内にあるピクセルの割合。高いほど良好）を示しています。

評価#

ETH3Dには、同梱のデータセットYAMLはありません。専用の評価スクリプトを使って評価します。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、標準のTTAと対数最小二乗によるスケール調整を適用し、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のため、通常は画像に対してpredictを使用してモデルを実行します。使用可能な引数の一覧については、モデルの予測ページを参照してください。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("yolo26x-depth.pt")  # 事前学習済み深度モデルを読み込みます

# ETH3D画像の深度を予測します
results = model.predict("path/to/eth3d/images")

事前学習済みモデル#

YOLO26の深度モデルファミリーは、ETH3Dベンチマークでゼロショット評価されます。これらのモデルは、初回使用時にUltralyticsのv8.4.0 assets releaseから自動ダウンロードされます。たとえばYOLO26x-depthなどがあり、精度や必要なリソース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とって価値あるこのリソースを作成し、維持している著者の皆様に感謝いたします。

よくある質問#