ETH3D Depth Dataset#

ETH3Dは、単眼深度推定に使用される高解像度マルチビュー・ステレオベンチマークです。屋内と屋外の両方のシーンにわたり、測量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。

主な特徴#

• 高精度レーザースキャナーで取得された測量グレードの深度グランドトゥルース。
• 屋内および屋外のシーンをカバーする高解像度画像。
• 最大約60mまでの深度範囲。
• 423枚の画像を使用して評価が実行されます。
• 正確な密なグラ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。

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このデータセットでトレーニングされていません。正確なレーザースキャナーによるグランドトゥルースを用いた屋内および屋外シーンの混合データであり、ドメイン間汎化性能を検証する強力な指標となります。

評価にはマルチスケールおよび水平反転のテスト時オーグメンテーション (TTA) を使用し、メトリクス計算の前に予測デプスマップと正解デプスマップの間で対数最小二乗法によるスケール合わせを行います。

結果#

以下の表は、モデルサイズ別のETH3D評価画像における delta1 の精度（1.25×の閾値内のピクセルの割合、高いほど良い）を報告しています。

評価#

ETH3DにはバンドルされたデータセットYAMLは付属していません。ETH3D画像とレーザースキャナーによる深度グランドトゥルースを読み込み、標準的なTTAとログ最小二乗法によるスケール合わせを適用して深度メトリクスを報告する専用の評価スクリプトを通じて評価されます。

使用方法#

ETH3Dは外部のベンチマークであるため、モデルはその画像上で通常 predict を用いて実行されます。利用可能な引数の詳細なリストについては、モデルの予測ページをご参照ください。

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")

事前学習済みモデル#

YOLO26 depthファミリは、ETH3Dベンチマークでゼロショット評価されます。これらのモデルは最新のUltralyticsリリースから自動ダウンロードされ、たとえばv8.4.0のYOLO26x-depthなどがあり、精度やリソースの要件に応じてさまざまなサイズ（yolo26n/s/m/l/x-depth）に及びます。

引用と謝辞#

研究や開発作業で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貴重なこのリソースを作成・維持してくださった著者の皆様に感謝いたします。