Dataset độ sâu ETH3D#

ETH3D là benchmark stereo đa góc nhìn độ phân giải cao được dùng cho ước tính độ sâu đơn ảnh. Dataset cung cấp ground truth cấp khảo sát từ máy quét laser trên cả cảnh trong nhà lẫn ngoài trời.

Tính năng chính#

• Ground truth độ sâu cấp khảo sát được thu bằng máy quét laser độ chính xác cao.
• Ảnh độ phân giải cao bao phủ cả cảnh trong nhà lẫn ngoài trời.
• Khoảng độ sâu lên đến xấp xỉ 60 m.
• Đánh giá được thực hiện trên 423 ảnh.
• Benchmark stereo đa góc nhìn chất lượng cao với ground truth dày đặc, chính xác.

Vai trò trong YOLO26-Depth#

ETH3D là benchmark đánh giá zero-shot dành cho họ YOLO26-Depth; các model được công bố không được huấn luyện trên dataset này. Sự kết hợp giữa cảnh trong nhà và ngoài trời cùng ground truth chính xác từ máy quét laser khiến ETH3D trở thành phép thử khắt khe về khả năng khái quát hóa xuyên miền.

Quá trình đánh giá sử dụng augmentation kiểm thử đa tỷ lệ và lật ngang (TTA), sau đó căn chỉnh tỷ lệ theo phương pháp bình phương tối thiểu log giữa bản đồ độ sâu dự đoán và ground truth trước khi tính các metric.

Kết quả#

Bảng bên dưới báo cáo độ chính xác delta1 (tỷ lệ pixel nằm trong ngưỡng 1.25×, càng cao càng tốt) trên các ảnh đánh giá ETH3D theo kích cỡ model.

Đánh giá#

ETH3D không đi kèm YAML dataset. Dataset được đánh giá bằng script chuyên dụng, script này nạp ảnh ETH3D và ground truth độ sâu từ máy quét laser, áp dụng TTA tiêu chuẩn cùng phương pháp căn chỉnh tỷ lệ bình phương tối thiểu log, rồi báo cáo các metric độ sâu.

Cách sử dụng#

ETH3D là benchmark bên ngoài, vì vậy các model thường được chạy bằng predict trên ảnh của dataset. Để xem danh sách đầy đủ các tham số hiện có, hãy tham khảo trang Dự đoán của model.

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26x-depth.pt")  # tải model depth đã huấn luyện trước

# Dự đoán độ sâu trên ảnh ETH3D
results = model.predict("path/to/eth3d/images")

Model được tiền huấn luyện#

Họ model depth YOLO26 được đánh giá zero-shot trên benchmark ETH3D. Các model này tự động tải xuống trong lần sử dụng đầu tiên từ bản phát hành tài sản v8.4.0 của Ultralytics, chẳng hạn như YOLO26x-depth, và có nhiều kích thước (yolo26n/s/m/l/x-depth) để đáp ứng các yêu cầu khác nhau về độ chính xác và tài nguyên.

Trích dẫn và lời cảm ơn#

Nếu sử dụng bộ dữ liệu ETH3D trong nghiên cứu hoặc công việc phát triển, vui lòng trích dẫn bài báo sau:

@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}
}

Chúng tôi xin ghi nhận công lao của các tác giả trong việc tạo và duy trì tài nguyên quý giá này cho cộng đồng thị giác máy tính.

Câu hỏi thường gặp#