VGGT 1B

🚀 VGGT: 視覺幾何基礎變換器

VGGT（Visual Geometry Grounded Transformer）是一個前饋神經網絡，能夠在數秒內，從一個、幾個或數百個場景視圖中直接推斷出場景的所有關鍵3D屬性，包括相機的內外參數、點雲圖、深度圖和3D點軌跡。

🚀 快速開始

請參考我們的 Github 倉庫

✨ 主要特性

• 能夠從一個、幾個或數百個場景視圖中直接推斷出場景的所有關鍵3D屬性。
• 推斷速度快，能在數秒內完成。

📄 許可證

本項目採用 CC BY-NC 4.0 許可證。

📚 詳細文檔

概述

視覺幾何基礎變換器（VGGT，CVPR 2025）是一個前饋神經網絡，它可以在數秒內，直接從一個、幾個或數百個場景視圖中推斷出場景的所有關鍵3D屬性，包括相機的內外參數、點雲圖、深度圖和3D點軌跡。

引用

如果您覺得我們的倉庫有用，請給它點個星 ⭐ 並在您的工作中引用我們的論文：

@inproceedings{wang2025vggt,
  title={VGGT: Visual Geometry Grounded Transformer},
  author={Wang, Jianyuan and Chen, Minghao and Karaev, Nikita and Vedaldi, Andrea and Rupprecht, Christian and Novotny, David},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  year={2025}
}

相關鏈接

• 論文 PDF
• arXiv 論文
• 項目頁面
• Hugging Face 演示

作者信息

• Meta AI 研究：Meta AI Research
• 牛津大學 VGG 實驗室：University of Oxford, VGG

作者列表

• Jianyuan Wang
• Minghao Chen
• Nikita Karaev
• Andrea Vedaldi
• Christian Rupprecht
• David Novotny