Link to this sectionNYU Depth V2 Depthデータセット#

NYU Depth V2は、単眼深度推定における標準的な屋内ベンチマークです。これは、Microsoft Kinect v1で記録された多種多様な屋内シーンのRGB-Dビデオシーケンスで構成されています。YOLO26-Depthの精度を報告するために使用される主要なベンチマークです。

Link to this section主な特徴#

• Microsoft Kinect v1 RGB-Dセンサーでキャプチャされています。
• 多種多様な実際の屋内シーン（住宅、オフィス、教室、および同様のスペース）をカバーしています。
• 深度範囲は約10mまでで、コンシューマー向け屋内RGB-Dキャプチャの典型的な範囲です。
• 評価は、654枚の画像からなる標準的なEigenテスト分割セットで実行されます。
• 単眼深度推定の精度を報告するための主要なベンチマークです。

Link to this sectionYOLO26-Depthにおける役割#

NYU Depth V2は、YOLO26-Depthファミリーの主要なゼロショット評価ベンチマークであり、深度タスクページに記載されている主要な指標は、このデータセットに基づいています。公開されているYOLO26-DepthモデルはNYUでトレーニングされていません。データセットにはトレーニング分割が含まれていますが、それは使用されず、保持されたテスト結果のみが報告されます。

評価ではマルチスケールおよび水平反転のテスト時オーギュメンテーション（TTA）を使用し、その後、予測された深度マップとグランドトゥルースの深度マップの間でログ最小二乗法によるスケール合わせを行ってからメトリクスを算出します。

Link to this section結果#

以下の表は、NYU Depth V2 Eigenテスト分割におけるモデルサイズごとのdelta1精度（1.25倍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。

Link to this sectionデータセット YAML#

YAML（Yet Another Markup Language）ファイルは、データセット構成を定義するために使用されます。これには、データセットのパス、クラス、およびその他の関連情報が含まれています。

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# NYU Depth V2 dataset for monocular depth estimation
# Documentation: https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
# 795 train + 654 val (Eigen test split) images, 480x640, indoor scenes, depth in meters
# Example usage: yolo depth train data=nyu-depth.yaml model=yolo26n-depth.pt
# parent
# ├── ultralytics
# └── datasets
#     └── nyu-depth  ← downloads here (≈1.5 GB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: nyu-depth # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 795 images
val: images/val # val images (relative to 'path') 654 images

# Depth maps are paired .npy files (float32, meters) under depth/<split>/, resolved by
# swapping '/images/' -> '/depth/' on each image path.

# Classes
nc: 1
names:
  0: depth

channels: 3

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/nyu-depth.zip

Link to this section使用方法#

YOLO26-DepthモデルをNYU Depth V2ベンチマークで評価するには、以下のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデルの検証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

# Evaluate on the NYU Depth V2 benchmark
results = model.val(data="nyu-depth.yaml")

Link to this section事前学習済みモデル#

YOLO26 depthファミリーは、NYU Depth V2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（例：v8.4.0のYOLO26x-depth）から自動的にダウンロードされ、精度とリソース要件に合わせてさまざまなサイズ（yolo26n/s/m/l/x-depth）で展開されます。

Link to this section引用と謝辞#

研究や開発作業でNYU Depth V2データセットを使用する場合は、次の論文を引用してください。

@inproceedings{silberman2012indoor,
      title={Indoor Segmentation and Support Inference from RGBD Images},
      author={Silberman, Nathan and Hoiem, Derek and Kohli, Pushmeet and Fergus, Rob},
      booktitle={Proceedings of the European Conference on Computer Vision (ECCV)},
      year={2012}
}

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。