Link to this sectionMake3D 깊이 데이터셋#

Make3D는 단안 깊이 추정을 위한 고전적인 야외 벤치마크입니다. 캠퍼스 장면 이미지와 맞춤형 3D 레이저 스캐너로 획득한 깊이 그라운드 트루스(ground truth)가 쌍으로 포함되어 있으며, 분포 외(out-of-distribution) 일반화 능력을 검증하는 데 널리 사용됩니다.

Link to this section주요 특징#

• 맞춤형 3D 레이저 스캐너로 획득한 깊이 그라운드 트루스입니다.
• 실제 야외 캠퍼스 장면을 다룹니다.
• 최대 약 70m의 깊이 범위를 제공합니다.
• 평가는 134개의 이미지로 구성된 표준 테스트 세트에서 수행됩니다.
• 고전적인 분포 외 일반화 벤치마크입니다.

Link to this sectionYOLO26-Depth에서의 역할#

Make3D는 YOLO26-Depth 제품군을 위한 제로샷 평가 벤치마크이며, 공개된 모델들은 이 데이터셋으로 학습되지 않았습니다. 분포 외 야외 데이터셋으로서 모든 모델에 가장 어려운 벤치마크이며, 이 데이터셋의 특성상 전반적으로 절대적인 delta1 값이 낮게 나타나는 것이 일반적입니다.

평가는 다중 스케일 및 수평 뒤집기 테스트 시간 증강(TTA)을 사용하며, 지표를 계산하기 전에 예측된 깊이 맵과 정답 깊이 맵 간의 로그 최소 제곱 스케일 정렬을 수행합니다.

Link to this section결과#

아래 표는 모델 크기별 Make3D 테스트 세트에서의 delta1 정확도(1.25배 임계값 내 픽셀 비율, 높을수록 좋음)를 나타냅니다.

Link to this section평가#

Make3D는 번들 데이터셋 YAML과 함께 제공되지 않습니다. Make3D 이미지와 레이저 스캐너 깊이 그라운드 트루스를 로드하고, 표준 TTA 및 로그 최소제곱 스케일 정렬을 적용한 뒤 깊이 지표를 보고하는 전용 평가 스크립트를 통해 평가됩니다.

Link to this section사용법#

Make3D는 외부 벤치마크이므로 모델은 일반적으로 해당 이미지에 대해 predict를 실행하여 평가합니다. 사용 가능한 전체 인수 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 Make3D images
results = model.predict("path/to/make3d/images")

Link to this section사전 학습된 모델#

YOLO26 깊이 제품군은 Make3D 벤치마크에서 제로샷 방식으로 평가됩니다. 이 모델들은 최신 Ultralytics 릴리스에서 자동으로 다운로드되며, 예를 들어 v8.4.0의 YOLO26x-depth가 있으며, 다양한 정확도와 자원 요구 사항에 맞춰 여러 크기(yolo26n/s/m/l/x-depth)를 제공합니다.

Link to this section인용 및 감사의 글#

연구 또는 개발 작업에 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 위한 이 가치 있는 리소스를 생성하고 유지 관리해 준 저자들에게 감사를 표합니다.