Dataset de profundidade iBims-1#

iBims-1 (imagens de referência independentes e digitalizações correspondentes) é um benchmark de alta qualidade para ambientes interiores destinado à estimativa monocular de profundidade. Combina imagens RGB com ground truth de qualidade topográfica obtido por scanner laser e foi concebido para testar contornos de profundidade nítidos e superfícies planas.

Principais funcionalidades#

• Ground truth de profundidade de alta qualidade capturado com um scanner laser de qualidade topográfica.
• Abrange cenas reais interiores.
• Alcance de profundidade até aproximadamente 10 m.
• A avaliação é realizada em 100 imagens.
• Concebido especificamente para avaliar contornos de profundidade nítidos e a qualidade de superfícies planas.

Função no YOLO26-Depth#

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

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

Resultados#

A tabela abaixo apresenta a precisão delta1 (percentagem de píxeis dentro de um limiar de 1.25×; quanto maior, melhor) nas imagens de avaliação do iBims-1, por tamanho do modelo.

Avaliação#

O iBims-1 não é fornecido com um ficheiro YAML de dataset integrado. É avaliado através de um script de avaliação dedicado que carrega as imagens do iBims-1 e o ground truth de profundidade do scanner laser, aplica o TTA padrão e o alinhamento de escala por mínimos quadrados logarítmicos e reporta as métricas de profundidade.

Utilização#

O iBims-1 é um benchmark externo, pelo que os modelos são normalmente executados com predict nas respetivas imagens. Para obter uma lista completa dos argumentos disponíveis, consulta a página de Prediction 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")

Modelos pré-treinados#

A família de profundidade YOLO26 é avaliada em modo zero-shot no benchmark iBims-1. Estes modelos são transferidos automaticamente a partir da versão mais recente do Ultralytics, por exemplo YOLO26x-depth da v8.4.0, e abrangem vários tamanhos (yolo26n/s/m/l/x-depth) para diferentes requisitos de precisão e recursos.

Citações e agradecimentos#

Se utilizares o dataset iBims-1 no teu trabalho de investigação ou 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}
}

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

Perguntas frequentes#