Tag · 3 篇
视觉几何基础模型
01 02 03
OmniVGGT：全模态驱动的视觉几何基础 Transformer
OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer
GeoAdapter 通过零初始化卷积将深度与相机内外参注入空间基础模型，配合随机模态子集训练，使模型在推理时可灵活利用任意数量辅助几何输入而不牺牲速度，为多视图三维重建与相机姿态估计提供了可复用的多模态融合范式。
OccAny：广义无约束城市三维占用
OccAny: Generalized Unconstrained Urban 3D Occupancy
OccAny 将视觉几何基础模型适配到城市场景的度量占用预测，并引入分割强制和新视角渲染实现测试时视图增强，为无标定场景下的三维占用补全提供了可复用的框架。
Flow3r：面向可扩展视觉几何学习的因子化光流预测
Flow3r: Factored Flow Prediction for Scalable Visual Geometry Learning
把稠密 2D 对应（flow）当作无标签监督信号，并用「几何 latent × 位姿 latent」的因子化光流预测来同时驱动场景几何与相机运动的学习，可直接迁移到现有前馈式 3D/4D 重建架构上，用于在无标注单目视频上扩展训练。