ETH3D 深度数据集解析：YOLO26-Depth 的高分辨率激光扫描仪零-shot 评测基准

本文基于 Ultralytics 官方文档 ETH3D Depth Dataset 展开，讲解 ETH3D 数据集的结构特点、它作为 YOLO26-Depth 系列零-shot（zero-shot）评测基准的定位、标准评测协议（TTA + 对数最小二乘尺度对齐），以及如何用仓库中的 predict 流程在 ETH3D 图像上运行单目深度估计。读完后可理解该基准的评测口径与仓库内深度模型推理、指标计算实现之间的对应关系。

1. ETH3D 数据集概述

ETH3D 是一个高分辨率多视图立体（multi-view stereo）基准数据集，在 Ultralytics 的深度估计任务中专门用于单目深度估计（monocular depth estimation）的评测。它提供覆盖室内与室外场景的测绘级（survey-grade）激光扫描仪真值，主要特点如下（摘自官方文档）：

• 使用高精度激光扫描仪采集的测绘级深度真值（dense ground truth）；
• 高分辨率图像，同时覆盖室内与室外两类场景；
• 深度范围可达约 60 m；
• 评测在 423 张图像上进行；
• 一个具有精确稠密真值的高质量多视图立体基准。

由于场景横跨室内/室外且真值精度由激光扫描仪保证，ETH3D 对模型的跨域泛化能力是较强的检验——这也是它被选作 YOLO26-Depth 零-shot 评测基准的原因。

2. ETH3D 在 YOLO26-Depth 中的角色：零-shot 评测基准

官方文档明确将 ETH3D 定位为 YOLO26-Depth 系列的零-shot 评测基准：公开发布的 YOLO26 深度模型并未在该数据集上训练，模型在其上的表现完全反映跨域泛化能力。

从 深度估计数据集总览 可以看到 YOLO26 深度模型的完整生态：模型先在约 219 万张图像的混合多数据集（ARKitScenes、SUN RGB-D、DIODE、Hypersim、TartanAir、Virtual KITTI 2、KITTI、ImageNet 伪标注等）上预训练，然后在五个零-shot 基准上评测，ETH3D 是其中之一：

基准	定位
NYU Depth V2	主要室内基准
KITTI Eigen	室外驾驶基准
ETH3D	高精度室内 + 室外混合
Make3D	室外、分布外（OOD）
iBims-1	高质量室内（边缘与平面）

评测协议方面，官方文档给出的口径是：

1. 测试时增强（TTA）：多尺度（multi-scale）+ 水平翻转（horizontal-flip）；
2. 尺度对齐：在计算指标前，对预测深度图与真值深度图做对数最小二乘尺度对齐（log-least-squares scale alignment）；
3. 指标：主指标为 delta1，即落在 1.25× 阈值内（max(d̂/d, d/d̂) < 1.25）的像素占比，数值越高越好。

3. 评测结果：各规模模型的 delta1 表现

官方文档按模型规模报告了 ETH3D 评测图像上的 delta1 精度（该表格数值来自文档本身，适用于文档对应的发布版本）：

Model	delta1
YOLO26n-depth	0.905
YOLO26s-depth	0.876
YOLO26m-depth	0.943
YOLO26l-depth	0.945
YOLO26x-depth	0.953

从表格可以看出：最大模型 YOLO26x-depth 达到 0.953，即超过 95% 的像素深度误差落在 1.25 倍以内；而中档模型（m/l）已经非常接近顶级水平，n/s 小模型则存在一定差距——在室内/室外混合、深度跨度约 60 m 的场景下，模型容量仍会影响跨域泛化精度。

4. 仓库实现对照：深度推理与指标计算

ETH3D 官方文档说明：该数据集不随仓库附带 YAML 配置（仓库 ultralytics/cfg/datasets/ 目录下有 depth8、depth-kitti、depth-sunrgbd 等训练/验证用数据集 YAML，但没有 ETH3D 的对应文件）。它通过专门的评测脚本完成评测：加载 ETH3D 图像与激光扫描仪深度真值，应用标准 TTA 与对数最小二乘尺度对齐后报告深度指标。这与 Depth Estimation 任务页 的说明一致：数据集页面上按 TTA + log-least-squares 协议报告的分数，是仓库内验证器（validator）不实现的外部评测协议，属于发布口径的评测流程。

以下是仓库中与深度任务相关的核心实现，可与上述协议逐一对应理解：

4.1 深度预测器

DepthPredictor 继承自 BasePredictor，负责把模型输出的 (B, 1, H, W) 原始深度张量后处理为逐像素深度图：先通过 ops.scale_masks 恢复模型输入分辨率（裁剪 letterbox 填充），再缩放到原始图像尺寸，最终封装进 Results 对象并挂载 depth 字段。这正是第 6 节 predict 用法在 yolo depth predict 命令背后的执行路径。

4.2 验证器与指标

DepthValidator 继承自 DetectionValidator，深度任务无需 NMS，直接累积指标；其指标累加器为 DepthMetrics，计算 delta1/2/3、abs_rel、rmse、silog 六项标准指标，遵循 Eigen 评测协议（只统计 gt 位于 (min_depth, max_depth) 内的像素，逐图定标后等权平均）。需要注意两者的口径差异：

• 仓库内验证器默认使用中位数对齐（align="median"，按 median(gt)/median(pred) 重标定每幅预测图）；
• ETH3D 发布分数使用的是文档所述的多尺度 + 水平翻转 TTA + 对数最小二乘对齐协议。

因此仓库验证器输出与 ETH3D 发布表中的数值不完全同口径，复现该基准需使用官方文档描述的专门评测脚本流程。

4.3 尺度相关机制：训练后自动标定

单目深度输出存在尺度歧义问题，仓库在 calibrate.py 中实现了与之配套的机制：深度头携带 cal_a/cal_b 两个缓冲，对模型原始输出施加对数仿射变换 d' = exp(a·log d + b)。训练结束后可在少量带真值图像上以闭式最小二乘拟合 (a, b)（无梯度训练、不动解码器权重），并采用"calibrate only if it helps"策略——候选（identity 与 scale-only）在留出折上用原始尺度 δ1 打分，只有当标定确实提升跨域 δ1 时才写入检查点（fit_calibration_selective / calibrate_checkpoint）。可以推断，这类"只在有益时标定"的政策与 ETH3D 这类跨域零-shot 基准的评测关注点一致：保证绝对尺度在域外场景上不被过度拟合。

4.4 模型结构配置

YOLO26 深度模型的结构定义见 yolo26-depth.yaml，n/s/m/l/x 各规模变体共用该配置模板的不同深度/宽度参数。

5. 如何在 ETH3D 图像上运行深度预测

由于 ETH3D 是外部基准，常规用法是对它的图像目录运行 predict。完整参数列表见 Prediction 模式文档。官方文档给出的示例如下：

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")

# Predict depth with a pretrained *.pt model
yolo depth predict model=yolo26x-depth.pt source=path/to/eth3d/images

其中：

• yolo26x-depth.pt 从 Ultralytics 最新 release 自动下载，无需手动获取权重；
• source 可指向 ETH3D 解包后的 RGB 图像目录，输出为逐像素深度图（Results.depth），单位为米；
• 模型家族覆盖 yolo26n/s/m/l/x-depth 多种规模，可按精度与资源需求选择。

6. 预训练模型

YOLO26 深度家族以零-shot 方式在 ETH3D 基准上评测。预训练权重从 Ultralytics 最新 release 自动下载（例如 yolo26x-depth 自 v8.4.0 起可下载），规模覆盖 yolo26n/s/m/l/x-depth，对应不同精度与部署资源约束。各模型在 NYU、KITTI、ETH3D、Make3D、iBims-1 五个基准上的完整精度汇总见 Depth Estimation 任务页。

7. 引用与致谢

若在研究或开发中使用了 ETH3D 数据集，请按官方文档要求引用其论文：

@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}
}

官方文档同时向 ETH3D 的作者致谢，感谢其创建并维护这一对计算机视觉社区具有重要价值的资源。

8. 小结

• ETH3D 是 YOLO26-Depth 的零-shot 评测基准：模型未在其上训练，评测的是室内/室外混合、约 60 m 深度跨度的跨域泛化能力；
• 评测协议为多尺度 + 水平翻转 TTA + 对数最小二乘尺度对齐，主指标 delta1（1.25× 阈值内像素占比）；发布结果为 YOLO26x-depth 0.953、l 0.945、m 0.943、n 0.905、s 0.876；
• 仓库不附带 ETH3D 的 YAML 配置，常规使用是 model.predict / yolo depth predict 在其图像上推理，背后实现见 DepthPredictor、DepthValidator 与 DepthMetrics；
• 仓库内验证器默认采用中位数对齐的 Eigen 协议，与 ETH3D 发布口径不同，复现发布分数需按其专门评测流程执行；
• 模型侧的尺度处理由 calibrate.py 中对数仿射标定缓冲与"只在有益时标定"策略支撑。

延伸阅读：深度估计数据集总览（数据格式、YAML 字段与 depth_scale 约定）、其他评测基准页（NYU、KITTI、Make3D、iBims-1）、Depth 任务页（各基准分数汇总与模型列表）。