近年來，視覺定位技術在自動駕駛、增強現實和地理資訊系統等領域扮演著越來越重要的角色。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充套件性差、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資料的視覺定位基準資料集。
該資料集的核心創新在於其參考資料的選擇：採用城市級的航空3D網格和CityGML LoD2模型，而非傳統的SfM點雲。這兩種資料來源代表了實際可部署的測繪資產，能夠支援比SfM方法更優異的可擴充套件性。查詢資料由智慧手機拍攝的影像組成，透過後處理動態定位（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張影像中，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影像子集。公開發布的資料集包括42張非共視的測試影像（其真實位姿資訊被保留，用於評估）和412張連續的驗證影像（附帶位姿資訊，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）和異常值比率等全域性統計指標進行效能評估。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充套件的路徑。評估程式碼和資料已在GitHub和專案網站上開源。