多头注意力

HTTM：用于加速 VGGT 的逐头时序词元合并

HTTM: Head-wise Temporal Token Merging for Faster VGGT

HTTM 提出一种免训练的词元合并方法，利用多头注意力中每个头的空间局部性和时序对应关系，在保持特征独特性的同时大幅降低 VGGT 的推理延迟，可复用于其他基于全局注意力的 3D 重建或视频理解模型。