Link to this sectionETH3D 深度数据集#

ETH3D 是一个高分辨率多视图立体基准测试，用于单目深度估计。它提供跨室内和室外场景的测量级激光扫描仪真值。

Link to this section主要特性#

• 使用高精度激光扫描仪捕获的测量级深度真值。
• 覆盖室内和室外场景的高分辨率图像。
• 深度范围可达约 60 米。
• 对 423 张图像进行评估。
• 一个具有高精度稠密真值的高质量多视图立体基准测试。

Link to this section在 YOLO26-Depth 中的作用#

ETH3D 是 YOLO26-Depth 系列的零样本评估基准；已发布的模型并未在该数据集上进行训练。它结合了室内和室外场景以及精确的激光扫描仪真值，使其成为测试跨域泛化能力的有力指标。

评估使用多尺度和水平翻转测试时增强 (TTA)，并在计算指标前对预测深度图与真实深度图进行对数最小二乘法尺度对齐。

Link to this section结果#

下表报告了按模型大小划分的 ETH3D 评估图像上的 delta1 准确率（位于 1.25× 阈值内的像素百分比，越高越好）。

Link to this section评估#

ETH3D 不附带预打包的 YAML 数据集文件。它是通过一个专门的评估脚本进行评估的，该脚本加载 ETH3D 图像和激光扫描仪深度真值，应用标准的 TTA 和对数最小二乘法尺度对齐，并报告深度指标。

Link to this section用法#

ETH3D 是一个外部基准测试，因此模型通常在图像上运行 predict。有关可用参数的完整列表，请参阅模型 预测 页面。

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")

Link to this section预训练模型#

YOLO26 深度系列在 ETH3D 基准测试上进行零样本评估。这些模型会自动从最新的 Ultralytics 发布版本下载，例如来自 v8.4.0 的 YOLO26x-depth，并涵盖一系列大小（yolo26n/s/m/l/x-depth），以满足不同的准确度和资源需求。

Link to this section引用与致谢#

如果你在研究或开发工作中使用 ETH3D 数据集，请引用以下论文：

@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}
}

我们感谢作者为计算机视觉社区创建并维护了这一宝贵的资源。