Conjunto de dados de profundidade iBims-1#

iBims-1 (imagens de benchmark independentes e digitalizações correspondentes) é um benchmark de alta qualidade de ambientes internos para estimativa monocular de profundidade. O iBims-1 combina imagens RGB com valores de referência de um scanner a laser de precisão topográfica e foi concebido para testar arestas de profundidade nítidas e superfícies planares.

Principais funcionalidades#

• Valores de referência de profundidade de alta qualidade, captados com um scanner a laser de precisão topográfica.
• Abrange cenas internas reais.
• Intervalo de profundidade até aproximadamente 10 m.
• A avaliação é realizada em 100 imagens.
• Concebido especificamente para avaliar arestas de profundidade nítidas e a qualidade de superfícies planares.

Papel no YOLO26-Depth#

O iBims-1 é um benchmark de avaliação sem treinamento específico para a família YOLO26-Depth; os modelos publicados não são treinados com ele. O foco do iBims-1 em descontinuidades de profundidade nítidas e regiões planares torna-o um teste preciso da qualidade dos mapas de profundidade, para além da precisão agregada.

A avaliação usa aumento de dados de teste (TTA) com várias escalas e inversão horizontal, seguido de alinhamento de escala por mínimos quadrados em log entre os mapas de profundidade previstos e os de ground truth antes do cálculo das métricas.

Resultados#

A tabela abaixo apresenta a precisão delta1 (fração de píxeis dentro de um limiar de 1,25×; quanto maior, melhor) nas imagens de avaliação do iBims-1, por tamanho de modelo.

Avaliação#

O iBims-1 não é fornecido com um YAML de conjunto de dados incluído. A avaliação é feita com um script dedicado que carrega as imagens iBims-1 e os valores de referência de profundidade do scanner a laser, aplica TTA padrão e alinhamento de escala por mínimos quadrados logarítmicos e calcula as métricas de profundidade.

Uso#

O iBims-1 é um benchmark externo, por isso os modelos são normalmente executados com predict nas imagens do iBims-1. Para consultar a lista completa de argumentos disponíveis, visita a página de Previsão do modelo.

from ultralytics import YOLO

# Carregar um modelo
model = YOLO("yolo26x-depth.pt")  # carregar um modelo de profundidade pré-treinado

# Prever profundidade em imagens iBims-1
results = model.predict("path/to/ibims1/images")

Modelos pré-treinados#

A família de modelos de profundidade YOLO26 é avaliada sem treinamento específico no benchmark iBims-1. Esses modelos são baixados automaticamente na primeira utilização a partir da versão de assets v8.4.0 do Ultralytics, por exemplo, YOLO26x-depth, e abrange vários tamanhos (yolo26n/s/m/l/x-depth) para diferentes requisitos de precisão e recursos.

Citações e agradecimentos#

Se usares o conjunto de dados iBims-1 na tua pesquisa ou no teu trabalho de desenvolvimento, cita 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}
}

Agradecemos aos autores por criarem e manterem este valioso recurso para a comunidade de visão computacional.

Perguntas frequentes#