跳到正文
arXiv · 机器人与计算机视觉· Shujun Yao, Junhui Lin, Congying Han, Tiande Guo, Ziwen Liu, Bonan Li·· 28 天前AI 评分74

BlazeVGGT:无需训练即可实现 2,000 帧下 13 倍速度的 VGGT

BlazeVGGT: 13x Faster VGGT at 2,000 Frames via Camera Token without Training

AI 导读

论文提出 BlazeVGGT,这是一个无需训练的框架,旨在解决 VGGT 在全局注意力机制中因输入视图数量增加而导致的二次方计算复杂度问题。作者发现 VGGT 的相机 Token 存在“先拓扑后几何”的演化规律:浅层 Token 可靠捕获局部视图邻域,深层 Token 逐步编码全局组织化的跨视图几何信息。

来源:arXiv · 机器人与计算机视觉 · arxiv.org