VGGT：3秒生成3D模型！牛津大学与Meta的“视觉革命”

近期，牛津大学 VGG 与 Meta AI 团队联合发布的最新研究 VGGT，简直是要在3D视觉领域掀起一场“革命”啊！

VGGT，全称Visual Geometry Grounded Transformer，是个基于纯前馈Transformer架构的通用3D视觉模型。别看它名字长，功能可不含糊——单张、多张甚至上百张图像，它都能轻松搞定，直接推理出相机参数、深度图、点云及3D点轨迹等核心几何信息。而且，这一切都在一次前向推理中完成，无需任何后处理优化，速度快到飞起！

传统3D重建依赖束调整等优化方法，计算复杂、耗时漫长，堪称“慢工出细活”， 还得反复迭代。VGGT呢？直接摒弃了这一繁琐过程，采用纯前馈设计，结合大规模3D标注数据与Transformer架构，一次前向传播就能搞定全部几何推理任务。这效率，简直了！

更厉害的是，VGGT的泛化能力超强。训练时只用2-24帧数据，测试时却能轻松处理超过200帧的输入。而且，它还能精准重建梵高油画等非真实场景的几何结构，处理无重叠视图或重复纹理的极端案例也是游刃有余。这能力，简直让人叹为观止！

当然啦，VGGT的潜力可不止于此。尽管它从未接受过单图训练，但在单目任务中的表现也是相当出色。这足以证明，VGGT作为通用3D基础模型的潜力是巨大的。

VGGT用最“简单粗暴”的架构，撕开了3D基础模型的新赛道——在这里，AI不仅理解世界，还能一键重建它。

大家感兴趣的赶紧去试试吧！（需要科学上网）

代码链接：https://github.com/facebookresearch/vggt

演示平台：https://huggingface.co/spaces/facebook/vggt

更多AI知识请前往脑洞大开AI实验室官方网站

https://www.ai360labs.com

使用脑洞大开AI实验室AI对话功能，可访问

https://www.ai360labs.com/playground/chatService/new

点击底部分享、赞和在看，把好内容传递出去