metric-scale

Pumpire 提出了一个统一的基准测试，用于评估图像和视频级 3D 基础模型的点对点物理距离估计能力，并构建了包含 100 个真实场景、6400 帧的大型数据集 pumpire-6k，对 29 种基线配置进行了全面对比实验。

UniT是一种统一的几何感知前馈模型，采用分组自回归Transformer，集成了多种范式（在线/离线、多模态、长时域），同时通过自适应尺度损失和队列式KV缓存保持度量尺度精度。它在涵盖七个任务的十个基准上取得了最先进性能。