Link to this sectionConjunto de dados de profundidade iBims-1#

O iBims-1 (independent Benchmark images and matched scans) é um benchmark interno de alta qualidade para estimativa de profundidade monocular. Ele combina imagens RGB com ground truth de scanner a laser de nível topográfico e foi projetado para testar bordas de profundidade nítidas e superfícies planares.

Link to this sectionPrincipais recursos#

• Ground truth de profundidade de alta qualidade capturado com um scanner a laser de nível topográfico.
• Cobre cenas internas reais.
• Alcance de profundidade de até aproximadamente 10 m.
• A avaliação é realizada em 100 imagens.
• Projetado especificamente para avaliar bordas de profundidade nítidas e a qualidade de superfícies planares.

Link to this sectionPapel no YOLO26-Depth#

O iBims-1 é um benchmark de avaliação zero-shot para a família YOLO26-Depth; os modelos publicados não são treinados nele. Seu foco em descontinuidades de profundidade nítidas e regiões planares o torna um teste preciso da qualidade do mapa de profundidade para além da precisão agregada.

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 apresenta a precisão delta1 (porcentagem de pixels dentro de um limite de 1,25×, quanto maior, melhor) nas imagens de avaliação do iBims-1 por tamanho de modelo.

Link to this sectionAvaliação#

O iBims-1 não é fornecido com um YAML de conjunto de dados incluído. Ele é avaliado por meio de um script de avaliação dedicado que carrega as imagens do iBims-1 e o ground truth de profundidade do scanner a laser, aplica o TTA padrão e o alinhamento de escala log-least-squares, e relata as métricas de profundidade.

Link to this sectionUso#

O iBims-1 é um benchmark externo, portanto, os modelos normalmente são executados com predict em suas imagens. Para obter uma lista abrangente de argumentos disponíveis, consulte a página de Predição do modelo.

from ultralytics import YOLO

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

# Predict depth on iBims-1 images
results = model.predict("path/to/ibims1/images")

Link to this sectionModelos pré-treinados#

A família YOLO26 depth é avaliada zero-shot no benchmark iBims-1. Esses modelos realizam o download automático a partir do último lançamento do Ultralytics, por exemplo, 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 iBims-1 em sua pesquisa ou trabalho de desenvolvimento, cite o seguinte artigo:

@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}
}

Gostaríamos de agradecer aos autores por criar e manter este recurso valioso para a comunidade de visão computacional.