近年來，視覺定位技術在自動駕駛、增強現實和地理信息系統等領域扮演着越來越重要的角色。然而，在大規模地理空間場景中，傳統的基於運動恢復結構（SfM）的方法往往面臨可擴展性差、對視角變化敏感等挑戰。為了克服這些困難，來自奧地利和德國的研究團隊提出了egenioussBench——一個全新的、基於真實地理空間參考數據的視覺定位基準數據集。
該數據集的核心創新在於其參考數據的選擇：採用城市級的航空3D網格和CityGML LoD2模型，而非傳統的SfM點雲。這兩種數據源代表了實際可部署的測繪資產，能夠支持比SfM方法更優異的可擴展性。查詢數據由智能手機拍攝的圖像組成，通過後處理動態定位（PPK）和地面控制點/檢查點（GCP/CP）輔助調整，獲得了釐米級精度的、不依賴於地圖的真實位姿值。
研究團隊從總共2,709張圖像中，利用渲染深度估計出完整的共視矩陣，並從中選擇了一個最大獨立集，從而得到一個非共視的圖像子集。公開發布的數據集包括42張非共視的測試圖像（其真實位姿信息被保留，用於評估）和412張連續的驗證圖像（附帶位姿信息，可用於訓練位姿迴歸器或自我驗證）。
為了確保評估的全面性和公平性，egenioussBench設立了一個公開排行榜，採用多種姿態誤差閾值下的分箱度量，並結合中位數、均方根誤差（RMSE）和異常值比率等全局統計指標進行性能評估。這種設計使得基於網格和基於LoD2的方法能夠在同一標準下進行直接比較。
論文作者包括Phillipp Fanta-Jende、Francesco Vultaggio、Alexander Kern、Yasmin Loeper和Markus Gerke，並於2026年5月6日提交至arXiv。他們表示，這些設計選擇共同揭示了現實中存在的跨視角和跨領域挑戰，為大規模視覺定位的進一步發展提供了一個嚴謹且可擴展的路徑。評估代碼和數據已在GitHub和項目網站上開源。