Tag · 2 篇
视觉几何-Transformer
分布 3D 视觉与重建1高效模型与推理加速1
01 02
FlashVGGT：基于压缩描述子注意力的高效可扩展视觉几何 Transformer
FlashVGGT: Efficient and Scalable Visual Geometry Transformers with Compressed Descriptor Attention
用每帧压缩出的描述子 token 替代全量 token 做全局注意力，把 VGGT 的二次复杂度降到与描述子数量相关，并通过缓存描述子的分块递归机制支持超长序列在线推理；做多视图前馈重建、长序列三维重建的人可直接复用这一注意力压缩与分块缓存思路。
Co-Me：面向视觉几何 Transformer 的置信度引导词元合并
Co-Me: Confidence Guided Token Merging for Visual Geometric Transformers
对做多视图/流式几何 Transformer（VGGT、Pi3）的人，这是一种即插即用的免训练加速手段：用轻量置信度预测器给词元排序并合并低置信词元，在保持空间覆盖的同时把序列长度带来的算力开销压下来，可直接用于实时 3D 感知与重建的部署。