iBims-1 深度数据集#

iBims-1（独立基准图像与匹配扫描）是用于单目深度估计的高质量室内基准。它将 RGB 图像与测量级激光扫描仪真值配对，旨在测试清晰的深度边缘和平面表面。

主要功能#

• 使用测量级激光扫描仪采集的高质量深度真值。
• 涵盖真实的室内场景。
• 深度范围最远约为 10 m。
• 在 100 张图像上进行评估。
• 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；已发布的模型没有在该基准上训练。它侧重于清晰的深度不连续边界和平面区域，能够精确评估深度图质量，而不局限于总体准确率。

评估使用多尺度和水平翻转测试时增强（TTA），随后在计算指标前对预测深度图和真值深度图进行对数最小二乘尺度对齐。

结果#

下表按模型尺寸报告在 iBims-1 评估图像上的 delta1 准确率（像素深度误差在 1.25× 阈值内的比例，越高越好）。

评估#

iBims-1 不附带数据集 YAML 文件。评估时会使用专用脚本加载 iBims-1 图像和激光扫描仪深度真值，应用标准 TTA 和对数最小二乘尺度对齐，并报告深度指标。

用法#

iBims-1 是外部基准，因此通常会使用 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

# 加载模型
model = YOLO("yolo26x-depth.pt")  # 加载预训练深度模型

# 预测 iBims-1 图像的深度
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。这些模型在首次使用时会从 Ultralytics v8.4.0 资源发布页自动下载，例如 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。

引用与致谢#

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}
}

我们感谢作者为计算机视觉社区创建并维护这一宝贵资源。

常见问题#