iBims-1 深度数据集#

iBims-1（独立基准图像及其匹配扫描数据）是一个高质量室内基准数据集，用于单目深度估计。它将 RGB 图像与测量级激光扫描仪获取的真实值配对，旨在测试清晰的深度边缘和平面表面。

主要特性#

• 使用测量级激光扫描仪采集的高质量深度真实值。
• 涵盖真实的室内场景。
• 深度范围最高约为 10 米。
• 在 100 张图像上执行评估。
• 专门用于评估清晰的深度边缘和平面表面的质量。

在 YOLO26-Depth 中的作用#

iBims-1 是 YOLO26-Depth 系列的零样本评估基准；已发布的模型未在该数据集上训练。它专注于清晰的深度不连续区域和平面区域，可在整体精度之外精准检验深度图质量。

评估采用多尺度和水平翻转测试时增强（TTA），然后在计算指标前，对预测深度图与真值深度图进行对数最小二乘尺度对齐。

结果#

下表按模型规模报告了 iBims-1 评估图像上的 delta1 准确率（1.25× 阈值内像素所占的百分比，数值越高越好）。

评估#

iBims-1 不随附捆绑的数据集 YAML 文件。它通过专用评估脚本进行评估，该脚本会加载 iBims-1 图像和激光扫描仪深度真实值，应用标准的 TTA 和对数最小二乘尺度对齐，并报告深度指标。

使用方法#

iBims-1 是一个外部基准数据集，因此通常使用 predict 在其图像上运行模型。有关可用参数的完整列表，请参阅模型的预测页面。

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")

预训练模型#

YOLO26 深度系列在 iBims-1 基准上进行零样本评估。这些模型会从最新的 Ultralytics 版本自动下载，例如 v8.4.0 中的 YOLO26x-depth，并提供多种尺寸（yolo26n/s/m/l/x-depth），以满足不同的精度和资源需求。

引用和致谢#

如果你在研究或开发工作中使用 iBims-1 数据集，请引用以下论文：

@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}
}

我们谨此感谢创建和维护这一宝贵资源的作者，他们为计算机视觉社区作出了贡献。

常见问题#