ETH3D Derinlik Veri Kümesi#
ETH3D, tek görüntülü derinlik tahmini için kullanılan, yüksek çözünürlüklü çok görüntülü stereo bir kıyaslama veri kümesidir. Hem iç hem de dış mekân sahnelerinde ölçüm araştırması kalitesinde lazer tarayıcı referans verileri sağlar.
Temel Özellikler#
- Yüksek hassasiyetli bir lazer tarayıcıyla yakalanan, ölçüm araştırması kalitesinde derinlik referans verileri.
- Hem iç hem de dış mekân sahnelerini kapsayan yüksek çözünürlüklü görüntüler.
- Yaklaşık 60 m'ye kadar derinlik aralığı.
- Değerlendirme 423 görüntü üzerinde gerçekleştirilir.
- Doğru ve yoğun referans verilere sahip, yüksek kaliteli bir çok görüntülü stereo kıyaslaması.
YOLO26-Depth İçindeki Rolü#
ETH3D, YOLO26-Depth ailesi için sıfır atışlı değerlendirme kıyaslamasıdır; yayımlanan modeller bunun üzerinde eğitilmemiştir. Doğru lazer tarayıcı referans verileriyle birlikte iç ve dış mekân sahnelerinin bir arada bulunması, bunu alanlar arası genelleme için güçlü bir test hâline getirir.
Değerlendirmede çok ölçekli ve yatay çevirme test zamanı artırma (TTA) kullanılır; ardından metrikler hesaplanmadan önce tahmin edilen ve gerçek derinlik haritaları arasında log-en küçük kareler ölçek hizalaması uygulanır.
Sonuçlar#
Aşağıdaki tablo, model boyutuna göre ETH3D değerlendirme görüntülerindeki delta1 doğruluğunu (1,25× eşik dâhilindeki piksellerin yüzdesi; yüksek olması daha iyidir) gösterir.
| Model | delta1 |
|---|---|
| YOLO26n-depth | 0.905 |
| YOLO26s-depth | 0.876 |
| YOLO26m-depth | 0.943 |
| YOLO26l-depth | 0.945 |
| YOLO26x-depth | 0.953 |
Değerlendirme#
ETH3D, paketle birlikte sunulan bir veri kümesi YAML dosyası içermez. Özel bir değerlendirme betiği aracılığıyla değerlendirilir; bu betik ETH3D görüntülerini ve lazer tarayıcı derinlik referans verilerini yükler, standart TTA ile log-en küçük kareler ölçek hizalamasını uygular ve derinlik metriklerini raporlar.
Kullanım#
ETH3D harici bir kıyaslama olduğundan modeller genellikle görüntüleri üzerinde predict ile çalıştırılır. Kullanılabilir bağımsız değişkenlerin kapsamlı listesi için modelin Tahmin sayfasına başvur.
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")Önceden Eğitilmiş Modeller#
YOLO26 derinlik ailesi, ETH3D kıyaslaması üzerinde sıfır atışlı olarak değerlendirilir. Bu modeller en yeni Ultralytics sürümünden otomatik olarak indirilir; örneğin v8.4.0 sürümündeki YOLO26x-depth modeli. Farklı doğruluk ve kaynak gereksinimleri için çeşitli boyutları (yolo26n/s/m/l/x-depth) kapsar.
Atıflar ve Teşekkürler#
ETH3D veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan lütfen aşağıdaki makaleye atıfta bulun:
@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}
}Bilgisayarlı görü topluluğu için bu değerli kaynağı oluşturup sürdürdükleri için yazarlara teşekkür ederiz.
SSS#
ETH3D, sıfır vuruşlu bir değerlendirme kıyaslamasıdır. Yayınlanan YOLO26-Depth modelleri ETH3D üzerinde eğitilmemiştir; bu nedenle, anket sınıfı lazer tarayıcı derinliğine sahip 423 iç ve dış mekan görüntüsü, yaklaşık 60 metreye kadar olan alanlar arası genellemeyi ölçer. En büyük model olan YOLO26x-depth, bu kıyaslamada 0,953 delta1 değerine ulaşır.
Hayır. ETH3D, çok ölçekli ve çevirmeli test zamanı artırma ile ardından log-en-küçük-kareler ölçek hizalaması uygulayan özel bir betikle değerlendirilir. Bir modeli ETH3D görüntüleri üzerinde kendin çalıştırmak için Usage bölümünde gösterildiği gibi predict mode kullan.
YOLO26-Depth ailesi ayrıca NYU Depth V2, Make3D ve iBims-1 üzerinde ve eğitim sürüşleri ön eğitim karışımının bir parçası olan KITTI Eigen bölünmesi üzerinde sıfır vuruşlu olarak değerlendirilir. Depth Estimation task page, beşi arasındaki sonuçları özetler.