Link to this sectionNYU Depth V2 깊이 데이터셋#

NYU Depth V2는 단안 깊이 추정(monocular depth estimation)을 위한 표준 실내 벤치마크입니다. 이는 Microsoft Kinect v1으로 기록된 다양한 실내 장면의 RGB-D 비디오 시퀀스로 구성되어 있습니다. YOLO26-Depth 정확도를 보고하는 데 사용되는 주요 벤치마크입니다.

Link to this section주요 특징#

• Microsoft Kinect v1 RGB-D 센서로 촬영되었습니다.
• 다양한 실제 실내 장면(가정, 사무실, 교실 및 유사한 공간)을 포함합니다.
• 깊이 범위는 약 10m까지이며, 이는 일반적인 소비자용 실내 RGB-D 캡처의 특징입니다.
• 평가는 654개의 이미지로 구성된 표준 Eigen 테스트 분할에서 수행됩니다.
• 단안 깊이 추정 정확도를 보고하기 위한 주요 벤치마크입니다.

Link to this sectionYOLO26-Depth에서의 역할#

NYU Depth V2는 YOLO26-Depth 제품군을 위한 주요 제로샷(zero-shot) 평가 벤치마크이며, 깊이 작업 페이지의 주요 지표들이 이 데이터를 기준으로 보고됩니다. 공개된 YOLO26-Depth 모델들은 NYU 데이터셋으로 학습되지 않았습니다. 비록 데이터셋에 학습 분할이 포함되어 있기는 하지만, 이는 사용되지 않으며 오직 보류된 테스트 결과만이 보고됩니다.

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 NYU Depth V2 Eigen 테스트 분할에서 모델 크기별 delta1 정확도(1.25배 임계값 내 픽셀의 백분율, 높을수록 좋음)를 보여줍니다.

Link to this section데이터셋 YAML#

YAML(Yet Another Markup Language) 파일은 데이터셋 구성을 정의하는 데 사용됩니다. 여기에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함됩니다.

# 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 section사용법#

NYU Depth V2 벤치마크에서 YOLO26-Depth 모델을 평가하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 포괄적인 목록은 모델 검증(Validation) 페이지를 참조하십시오.

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 section사전 학습된 모델#

YOLO26 깊이 제품군은 NYU Depth V2 벤치마크에서 제로샷으로 평가됩니다. 이러한 모델들은 최신 Ultralytics 릴리스에서 자동으로 다운로드되며(예: v8.4.0의 YOLO26x-depth), 다양한 정확도 및 리소스 요구 사항에 맞춰 여러 크기(yolo26n/s/m/l/x-depth)로 제공됩니다.

Link to this section인용 및 감사의 글#

연구 또는 개발 작업에 NYU Depth V2 데이터셋을 사용하는 경우, 다음 논문을 인용해 주십시오:

@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}
}

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