近年、ビジュアルローカリゼーション技術は自動運転、拡張現実、地理情報システムなどで重要な役割を果たしています。しかし、大規模な地理空間シーンにおいて、従来のSfM（Structure from Motion）ベースの手法はスケーラビリティが低く、視点の変化に弱いなどの課題があります。これらの問題に対処するため、オーストリアとドイツの研究チームは、実際の地理空間参照データに基づく新しいビジュアルローカリゼーションベンチマーク「egenioussBench」を提案しました。
本データセットの最大の特徴は、参照データとして都市規模の航空3DメッシュとCityGML LoD2モデルを採用した点です。これらのデータソースは実際に配備可能なマッピング資産を反映しており、従来のSfM手法を超える真のスケーラビリティを実現します。クエリデータはスマートフォン画像で構成され、PPK（後処理動的測位）とGCP/CP（地上制御点/チェックポイント）支援調整により、センチメートル精度で地図に依存しないグラウンドトゥルースが取得されています。
研究チームは、2,709枚の画像からレンダリング深度を用いて完全な共視行列を推定し、最大独立集合を選択することで非共視サブセットを導出しました。公開データには、42枚の非共視テスト画像（グラウンドトゥルースは非公開）と、412枚の連続画像（ポーズ付き）からなる検証セットが含まれており、ポーズ回帰器のトレーニングや自己検証に利用できます。
評価方法としては、公開リーダーボードが用意され、複数の姿勢誤差しきい値でのビニングメトリクスに加え、中央値、RMSE、外れ値比率などの大域的統計を用いて評価が行われます。これにより、メッシュベース手法とLoD2ベース手法の公平な比較が保証されます。
論文の著者はPhillipp Fanta-Jende、Francesco Vultaggio、Alexander Kern、Yasmin Loeper、Markus Gerkeの5名で、2026年5月6日にarXivに投稿されました。これらの設計選択は、現実的なクロスビューおよびクロスドメインの課題を浮き彫りにし、大規模ビジュアルローカリゼーションの進歩のための厳格でスケーラブルな道筋を提供します。評価コードとデータはGitHubとプロジェクトウェブサイトで公開されています。