Make3D 깊이 데이터셋#

Make3D는 단안 깊이 추정을 위한 고전적인 실외 벤치마크입니다. 사용자 지정 3D 레이저 스캐너로 캡처한 깊이 ground truth가 함께 제공되는 캠퍼스 장면 이미지로 구성되어 있으며, 분포 외 일반화 성능을 평가하는 데 널리 사용됩니다.

주요 기능#

• 사용자 지정 3D 레이저 스캐너로 캡처한 깊이 ground truth입니다.
• 실제 실외 캠퍼스 장면을 다룹니다.
• 깊이 범위는 약 70m까지입니다.
• 표준 테스트 세트의 이미지 134장을 사용하여 평가합니다.
• 고전적인 분포 외 일반화 벤치마크입니다.

YOLO26-Depth에서의 역할#

Make3D는 YOLO26-Depth 제품군을 위한 zero-shot 평가 벤치마크이며, 공개된 모델은 Make3D로 학습되지 않았습니다. 분포 외 실외 데이터셋인 Make3D는 모든 모델에서 가장 어려운 벤치마크이며, 모든 모델에서 절대 delta1 값이 낮게 나타나는 것은 이 데이터셋에서 예상되는 결과입니다.

평가에는 멀티 스케일 및 수평 플립 테스트 시점 증강(TTA)이 사용되며, 지표를 계산하기 전에 예측 깊이 맵과 ground truth 깊이 맵 간에 로그 최소제곱 스케일 정렬을 수행합니다.

Results#

아래 표는 모델 크기별 Make3D 테스트 세트의 delta1 정확도(1.25× 임계값 이내에 있는 픽셀의 비율이며, 높을수록 좋음)를 보여줍니다.

평가#

Make3D는 번들로 제공되는 데이터셋 YAML을 포함하지 않습니다. 전용 평가 스크립트를 통해 평가하며, 이 스크립트는 Make3D 이미지와 레이저 스캐너 깊이 ground truth를 로드하고 표준 TTA 및 로그 최소제곱 스케일 정렬을 적용한 후 깊이 메트릭을 보고합니다.

사용법#

Make3D는 외부 벤치마크이므로 일반적으로 해당 이미지에 predict을 사용하여 모델을 실행합니다. 사용 가능한 인수의 전체 목록은 모델 Prediction 페이지를 참조하십시오.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26x-depth.pt")  # load a pretrained depth model

# Predict depth on Make3D images
results = model.predict("path/to/make3d/images")

사전 학습 모델#

YOLO26 깊이 제품군은 Make3D 벤치마크에서 zero-shot 방식으로 평가됩니다. 이러한 모델은 최신 Ultralytics 릴리스에서 자동으로 다운로드되며, 예를 들어 v8.4.0의 YOLO26x-depth가 이에 해당합니다. 또한 다양한 정확도 및 리소스 요구 사항에 맞춰 여러 크기(yolo26n/s/m/l/x-depth)로 제공됩니다.

인용 및 감사의 글#

연구 또는 개발 작업에서 Make3D 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오.

@article{saxena2009make3d,
      title={Make3D: Learning 3D Scene Structure from a Single Still Image},
      author={Saxena, Ashutosh and Sun, Min and Ng, Andrew Y.},
      journal={IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)},
      year={2009}
}

컴퓨터 비전 커뮤니티를 위해 이 귀중한 리소스를 제작하고 유지 관리해 주신 저자분들께 감사드립니다.

FAQ#