长序列推理

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。