亲爱的，我把凯旋门缩小了！

公制尺度的单目几何估计通过大规模数据聚合取得了重大进展，但当前的基础模型遭受持续的“尺度崩溃”现象：遥远的地标和广阔的景观在度量上被低估。我们假设这种性能差距源于训练数据瓶颈，其中现有的公制规模数据集受到硬件限制，只能使用同质车辆捕获的 LiDAR 或短距离室内扫描，或者由缺乏物理世界语义复杂性的合成数据组成。为了弥补这一差距，我们策划了一个新的基于度量的野外数据集，我们称之为 MetricScenes，该数据集从各种来源收集，包括互联网照片集和立体图像。我们使用现成的方法估计每个场景的相机姿势和初始深度图，并从地理标记元数据以及已知的立体相机基线中恢复绝对比例。我们还通过新的两阶段泊松完成方法提高了从 MetricScenes 导出的深度图的质量。我们数据集上的 微调 MoGe-2 显着减轻了尺度崩溃，并在无约束的开放域场景中实现了卓越的度量精度，同时在标准基准上保持了最先进的性能。