Датасет глубины ETH3D#

ETH3D — это высокоразмерный бенчмарк многовидовой стереореконструкции, используемый для оценки глубины по монокулярным изображениям. Он предоставляет эталонные данные, полученные с помощью лазерного сканера исследовательского уровня, для сцен как в помещениях, так и на открытом воздухе.

Ключевые особенности#

• Эталонные данные глубины исследовательского уровня, полученные с помощью высокоточного лазерного сканера.
• Высокоразмерные изображения, охватывающие сцены в помещениях и на открытом воздухе.
• Диапазон глубины — примерно до 60 м.
• Оценка выполняется на 423 изображениях.
• Высококачественный бенчмарк многовидовой стереореконструкции с точными плотными эталонными данными.

Роль в YOLO26-Depth#

ETH3D — это бенчмарк оценки без дополнительного обучения для семейства YOLO26-Depth; опубликованные модели на нём не обучались. Сочетание сцен в помещениях и на открытом воздухе с точными эталонными данными лазерного сканера делает его эффективным тестом способности к обобщению между разными предметными областями.

При оценке используются многоштабное дополнение данных и дополнение с горизонтальным отражением во время тестирования (TTA), после чего перед вычислением метрик выполняется выравнивание масштаба между предсказанными картами глубины и эталонными картами глубины методом логарифмических наименьших квадратов.

Результаты#

В таблице ниже приведена точность delta1 (процент пикселей, попадающих в порог 1.25×; чем выше, тем лучше) на оценочных изображениях ETH3D в зависимости от размера модели.

Оценка#

ETH3D не поставляется со встроенным YAML-файлом датасета. Оценка выполняется с помощью специального скрипта, который загружает изображения ETH3D и эталонные данные глубины лазерного сканера, применяет стандартные TTA и выравнивание масштаба методом логарифмических наименьших квадратов и выводит метрики глубины.

Использование#

ETH3D — внешний бенчмарк, поэтому модели обычно запускаются с помощью predict на его изображениях. Полный список доступных аргументов смотри на странице предсказания модели.

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")

Предварительно обученные модели#

Семейство моделей глубины YOLO26 оценивается без дополнительного обучения на бенчмарке ETH3D. Эти модели автоматически загружаются из последнего релиза Ultralytics, например YOLO26x-depth из v8.4.0, и представлены в разных размерах (yolo26n/s/m/l/x-depth) для различных требований к точности и ресурсам.

Цитирование и благодарности#

Если ты используешь датасет ETH3D в исследовательской или разработческой работе, пожалуйста, процитируй следующую статью:

@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}
}

Мы хотели бы выразить признательность авторам за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения.

Часто задаваемые вопросы#