iBims-1 Depth 데이터셋#

iBims-1(독립 벤치마크 이미지 및 대응 스캔)은 단안 depth 추정을 위한 고품질 실내 벤치마크입니다. RGB 이미지와 측량용 레이저 스캐너로 얻은 정답 데이터를 짝지어, 뚜렷한 depth 경계와 평면을 테스트하도록 설계되었습니다.

주요 기능#

• 측량용 레이저 스캐너로 수집한 고품질 depth 정답 데이터입니다.
• 실제 실내 장면을 다룹니다.
• depth 범위는 약 10 m까지입니다.
• 이미지 100장을 사용해 평가합니다.
• 뚜렷한 depth 경계와 평면의 품질을 평가하도록 특별히 설계되었습니다.

YOLO26-Depth에서의 역할#

iBims-1은 YOLO26-Depth 제품군의 제로샷 평가 벤치마크이며, 공개된 모델은 iBims-1로 학습되지 않았습니다. 뚜렷한 depth 불연속 영역과 평면 영역에 초점을 맞추므로, 종합 정확도를 넘어 depth 맵 품질을 정밀하게 평가할 수 있습니다.

평가 시 멀티스케일 및 수평 뒤집기 테스트 시점 증강(TTA)을 적용한 다음, 지표를 계산하기 전에 예측 깊이 맵과 GT 깊이 맵 사이에 로그 최소제곱 스케일 정렬을 적용합니다.

결과#

아래 표에는 모델 크기별 iBims-1 평가 이미지의 delta1 정확도(1.25× 임계값 이내에 드는 픽셀 비율, 높을수록 좋음)가 나와 있습니다.

평가#

iBims-1에는 함께 제공되는 데이터셋 YAML이 없습니다. iBims-1 이미지와 레이저 스캐너 depth 정답 데이터를 불러와 표준 TTA 및 로그 최소제곱 스케일 정렬을 적용하고 depth 지표를 보고하는 전용 평가 스크립트로 평가합니다.

사용법#

iBims-1은 외부 벤치마크이므로 일반적으로 해당 이미지에 predict을 사용해 모델을 실행합니다. 사용 가능한 인수의 전체 목록은 모델 Prediction 페이지를 참조하세요.

from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26x-depth.pt")  # 사전 학습된 depth 모델을 불러옵니다

# iBims-1 이미지에서 depth를 예측합니다
results = model.predict("path/to/ibims1/images")

사전 학습 모델#

YOLO26 depth 제품군은 iBims-1 벤치마크에서 제로샷으로 평가됩니다. 이 모델은 처음 사용할 때 Ultralytics v8.4.0 assets release에서 자동으로 다운로드됩니다. 예를 들어 YOLO26x-depth가 있으며, 정확도 및 리소스 요구 사항에 따라 다양한 크기(yolo26n/s/m/l/x-depth)로 제공됩니다.

인용 및 감사의 글#

연구 또는 개발 작업에서 iBims-1 데이터셋을 사용하는 경우 다음 논문을 인용해 주세요:

@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 커뮤니티에 이처럼 유용한 리소스를 만들고 유지 관리해 주신 저자분들께 감사드립니다.

자주 묻는 질문#