Link to this sectionConjunto de dados de profundidade ETH3D#

ETH3D é um benchmark de estéreo de múltiplas vistas de alta resolução usado para estimativa de profundidade monocular. Ele fornece dados de referência (ground truth) de laser scanner de nível topográfico em cenas internas e externas.

Link to this sectionPrincipais recursos#

• Dados de referência de profundidade de nível topográfico capturados com um laser scanner de alta precisão.
• Imagens de alta resolução abrangendo cenas internas e externas.
• Alcance de profundidade de até aproximadamente 60 m.
• A avaliação é realizada em 423 imagens.
• Um benchmark de estéreo de múltiplas vistas de alta qualidade com dados de referência densos e precisos.

Link to this sectionPapel no YOLO26-Depth#

O ETH3D é um benchmark de avaliação zero-shot para a família YOLO26-Depth; os modelos publicados não são treinados nele. Sua mistura de cenas internas e externas com dados de referência precisos de laser scanner o torna um teste robusto de generalização entre domínios.

A avaliação utiliza aumento de dados no momento do teste (TTA) de múltiplas escalas e inversão horizontal, seguido por alinhamento de escala de log-mínimos quadrados entre os mapas de profundidade previstos e os de referência antes que as métricas sejam calculadas.

Link to this sectionResultados#

A tabela abaixo relata a precisão delta1 (porcentagem de pixels dentro de um limiar de 1,25×, valores mais altos são melhores) nas imagens de avaliação do ETH3D por tamanho de modelo.

Link to this sectionAvaliação#

O ETH3D não é fornecido com um YAML de conjunto de dados empacotado. Ele é avaliado através de um script de avaliação dedicado que carrega as imagens do ETH3D e os dados de referência de profundidade do laser scanner, aplica o TTA padrão e o alinhamento de escala de log-mínimos quadrados, e relata as métricas de profundidade.

Link to this sectionUso#

O ETH3D é um benchmark externo, por isso os modelos são normalmente executados com predict em suas imagens. Para obter uma lista abrangente de argumentos disponíveis, consulte a página de Previsão do modelo.

from ultralytics import YOLO

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

# Predict depth on ETH3D images
results = model.predict("path/to/eth3d/images")

Link to this sectionModelos pré-treinados#

A família YOLO26 depth é avaliada em zero-shot no benchmark ETH3D. Esses modelos baixam automaticamente da versão mais recente do Ultralytics, por exemplo, o YOLO26x-depth da v8.4.0, e abrangem uma variedade de tamanhos (yolo26n/s/m/l/x-depth) para diferentes requisitos de precisão e recursos.

Link to this sectionCitações e Agradecimentos#

Se você utilizar o conjunto de dados ETH3D em seu trabalho de pesquisa ou desenvolvimento, por favor, cite o seguinte artigo:

@inproceedings{schops2017eth3d,
      title={A Multi-View Stereo Benchmark with High-Resolution Images and Multi-Camera Videos},
      author={Sch{\"o}ps, Thomas and Sch{\"o}nberger, Johannes L. and Galliani, Silvano and Sattler, Torsten and Schindler, Konrad and Pollefeys, Marc and Geiger, Andreas},
      booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
      year={2017}
}

Gostaríamos de agradecer aos autores pela criação e manutenção deste recurso valioso para a comunidade de visão computacional.