Link to this sectioniBims-1 Depth Dataset#

iBims-1(independent Benchmark images and matched scans)은 단안 깊이 추정을 위한 고품질 실내 벤치마크입니다. 이 데이터셋은 RGB 이미지와 측량 등급 레이저 스캐너로 측정한 정답(ground truth)을 결합하였으며, 선명한 깊이 경계와 평면을 테스트하도록 설계되었습니다.

Link to this section주요 특징#

• 측량 등급 레이저 스캐너로 캡처한 고품질 깊이 정답 데이터입니다.
• 실제 실내 장면을 포함합니다.
• 약 10m까지의 깊이 범위를 제공합니다.
• 100개의 이미지를 대상으로 평가를 수행합니다.
• 선명한 깊이 경계와 평면의 품질을 평가하기 위해 특별히 설계되었습니다.

Link to this sectionYOLO26-Depth에서의 역할#

iBims-1은 YOLO26-Depth 제품군을 위한 제로샷 평가 벤치마크이며, 공개된 모델들은 이 데이터셋으로 학습되지 않았습니다. 선명한 깊이 불연속성과 평면 영역에 집중함으로써 단순히 통합된 정확도를 넘어 깊이 맵 품질을 정밀하게 테스트할 수 있습니다.

평가는 다중 스케일(multi-scale) 및 수평 뒤집기 테스트 타임 증강(TTA)을 사용하며, 지표를 계산하기 전에 예측된 깊이 맵과 정답 깊이 맵 간의 로그 최소 제곱 스케일 정렬(log-least-squares scale alignment)을 수행합니다.

Link to this section결과#

아래 표는 모델 크기별 iBims-1 평가 이미지에서의 delta1 정확도(1.25배 임계값 내 픽셀의 비율, 높을수록 좋음)를 나타냅니다.

Link to this section평가#

iBims-1은 번들로 제공되는 데이터셋 YAML 파일이 포함되어 있지 않습니다. iBims-1 이미지와 레이저 스캐너 깊이 정답을 로드하고, 표준 TTA 및 로그 최소 제곱 스케일 정렬을 적용한 후 깊이 지표를 보고하는 전용 평가 스크립트를 통해 평가됩니다.

Link to this section사용법#

iBims-1은 외부 벤치마크이므로, 모델은 일반적으로 해당 이미지에 대해 predict를 실행하여 평가합니다. 사용 가능한 인수에 대한 자세한 목록은 모델 예측 페이지를 참조하십시오.

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 section사전 학습된 모델#

YOLO26 depth 제품군은 iBims-1 벤치마크에서 제로샷으로 평가됩니다. 이 모델들은 최신 Ultralytics 릴리스에서 자동으로 다운로드되며, 예를 들어 v8.4.0의 YOLO26x-depth가 있으며, 다양한 정확도 및 리소스 요구 사항에 맞는 모델 크기(yolo26n/s/m/l/x-depth)를 제공합니다.

Link to this section인용 및 감사의 글#

연구 또는 개발 작업에 iBims-1 데이터셋을 사용하는 경우, 다음 논문을 인용해 주십시오:

@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}
}

컴퓨터 비전 커뮤니티를 위한 이 가치 있는 리소스를 생성하고 유지 관리해 준 저자들에게 감사를 표합니다.