Pumpire：度量距离估计的统一基准

我们提出了 Pumpire，一个统一的基准，用于评估图像和视频级 3D 基础模型的度量点对距离估计能力，无论有或没有深度先验。与之前通常分别评估深度和相机内在特性或使用几何相似性度量评估点云的方法相比，这些方法无法直接反映模型的点对点距离估计能力，而 Pumpire 直接评估与重建几何体的点对点距离。为此，我们收集了一个大规模且多样化的数据集（pumpire-6k），其中包含 100 个真实场景，每个场景都用物理测量的点对距离进行注释，并包含 64 帧，总共 6,400 帧。在此数据集的基础上，我们建立了一个整体评估协议，涵盖图像和视频级 3D 基础模型，并能够直接评估点对距离误差和交叉设置比较。我们对代表性 3D 基础模型的 29 种基线配置进行了广泛的实验，并提供了全面的分析 结果。通过提供这个基准，我们的目标是在重建的 3D 空间中感知和估计物理尺度的更基本的能力，而先前的评估协议在很大程度上忽视了这一点。项目页面可以在https://pumpire.github.io/找到