# ====================================== ViPOcc Evaluation ======================================

# eval occ

python eval.py -cn eval_lidar_occ

#scene_O_acc : 0.927

#scene_IE_acc : 0.713

#scene_IE_rec : 0.686

#object_O_acc : 0.790

#object_IE_acc : 0.685

#object_IE_rec : 0.643

# eval rendered depth

python eval.py -cn eval_depth_kitti360

#abs_rel : 0.097

#sq_rel : 0.446

#rmse : 3.383

#rmse_log : 0.188

#a1 : 0.886

#a2 : 0.956

#a3 : 0.980

# eval predicted depth

python eval.py -cn eval_depth_kitti360 \

"model_conf.eval_rendered_depth=false"

#abs_rel : 0.097

#sq_rel : 0.441

#rmse : 3.427

#rmse_log : 0.188

#a1 : 0.883

#a2 : 0.957

#a3 : 0.980

# ========================== BTS Official Evaluation ==========================

# KITTI-360, occupancy prediction

python eval.py -cn eval_lidar_occ \

"checkpoint=\"checkpoints/BTS-KITTI-360.pt\"" \

'model_conf.z_range=[20, 4]' \

'model_conf.backbone.use_depth_branch=false'

#scene_O_acc : 0.923

#scene_IE_acc : 0.690

#scene_IE_rec : 0.644

#object_O_acc : 0.791

#object_IE_acc : 0.689

#object_IE_rec : 0.601

# KITTI-360, depth estimation

python eval.py -cn eval_depth_kitti360 \

"checkpoint=\"checkpoints/BTS-KITTI-360.pt\""

#abs_rel : 0.103

#sq_rel : 0.492

#rmse : 3.007

#rmse_log : 0.194

#a1 : 0.891

#a2 : 0.958

#a3 : 0.978

# KITTI-360, pseudo depth estimation (median scaling)

python eval.py -cn eval_pseudo_depth

#abs_rel : 0.142

#sq_rel : 0.533

#rmse : 3.297

#rmse_log : 0.209

#a1 : 0.832

#a2 : 0.952

#a3 : 0.981

# (no scaling)

python eval.py -cn eval_pseudo_depth \

'model_conf.depth_scaling=null'

#abs_rel : 0.586

#sq_rel : 3.743

#rmse : 6.653

#rmse_log : 0.477

#a1 : 0.071

#a2 : 0.598

#a3 : 0.889