知识卡片：Pumpire：度量距离估计的统一基准

一句话结论

Pumpire 是一个面向图像级与视频级 3D 基础模型的统一基准，用于直接评估重建几何中的“点对点物理距离”估计能力，而不再仅通过深度或相机内参等间接指标来判断模型性能（来源为元数据，正文细节待核实）。

事件概述或研究问题

• 现有评估协议通常将深度估计与相机内参分别评估，或使用几何相似度指标评估点云，这类做法难以直接反映模型对“两个点之间真实度量距离”的估计能力。
• Pumpire 关注更基础的能力：在重建的 3D 空间中感知和估计物理尺度（metric scale），即点对点距离是否接近真实物理测量值。
• 该基准同时覆盖图像级与视频级 3D 基础模型，并考虑是否提供深度先验（with or without depth priors），以支持跨设置比较。

方法/产品要点

• 统一评估对象：图像级与视频级 3D 基础模型；可带或不带深度先验。
• 评估目标：直接评估点对点距离（point-to-point distance），而非仅评估深度图或点云几何相似度。
• 数据集：pumpire-6k；包含 100 个真实场景，每个场景 64 帧，共 6,400 帧；每帧标注有物理测量的点对距离。
• 评估协议：建立整体评估协议，直接测量点对距离误差，并支持不同设置之间的对比。
• 实验规模：对 29 种代表性 3D 基础模型基线配置进行了实验与分析。
• 项目页：https://pumpire.github.io/

主要结果或产业意义

• 元数据称论文提供了跨 29 个基线配置的广泛实验与综合分析，但具体数值、排名与结论待核实。
• 若基准有效，产业意义在于：为 3D 基础模型提供更贴近物理尺度的评估方式，有助于判断模型是否能在 AR/VR、机器人、自动驾驶、测量等需要真实距离的场景中可靠使用。
• 由于未抓取正文，无法确认其是否显著改变现有模型排名或暴露系统性尺度偏差，相关结论待核实。

为什么重要

• 深度估计或点云相似度高，并不自动意味着模型能给出正确的物理距离；Pumpire 试图把评估从“几何形状像不像”推进到“物理尺度对不对”。
• 对 3D 基础模型而言，度量尺度能力是下游空间推理、导航、操作与测量的前提；该基准把这一能力单独拎出来评估，具有方法论意义。
• 与已有卡片中 PointDiT（单图 3D 重建）和验证孪生网络距离阈值（距离阈值定义）不同，本条关注的是“评估协议与基准”，而非某一重建模型或阈值算法；增量信息在于把点对点物理距离作为统一评测目标。

局限与不确定性

• 来源材料仅包含元数据与摘要式描述，正文未能抓取，因此以下内容待核实：
  • 数据集采集设备、标注流程与测量误差范围；
  • 29 个基线配置的具体模型名称与实验设置；
  • 评估指标的具体定义（如绝对误差、相对误差、阈值命中率等）；
  • 是否包含与人类标注者一致性或跨数据集泛化实验；
  • 是否开源代码、数据与排行榜；
  • 论文发表状态与同行评审情况。

可用于图书/PPT/简报的角度

• “从深度到距离”：3D 基础模型评估为何需要从间接指标走向物理度量距离。
• “统一基准的价值”：图像级与视频级模型、有无深度先验，能否在同一协议下比较？
• “真实场景 + 物理标注”：pumpire-6k 的 100 场景、6,400 帧、点对距离标注，作为数据驱动评估案例。
• “29 个基线的全景分析”：可用于展示当前 3D 基础模型在物理尺度估计上的整体水平（具体结论待核实）。
• 与 PointDiT 等重建模型卡片并列，形成“重建方法—评估基准—应用需求”的叙事线。

原始材料

• 标题：Pumpire: Unified Benchmark for Metric Distance Estimation
• URL：https://arxiv.org/abs/2610.12423v1
• Track：academic
• Topics：foundation-model
• 项目页：https://pumpire.github.io/
• 来源摘要（英文原始关键词保留）：unified benchmark；metric point-pair distance estimation；image- and video-level 3D foundation models；with or without depth priors；pumpire-6k；100 real-world scenes；64 frames each；6,400 frames；29 baseline configurations。
• 备注：未能抓取正文，本卡片仅基于已知元数据生成；无法从材料确认的部分已标注“待核实”。