ReDT：分辨率解耦视觉几何 Transformer，2K 重建提速 16 倍
zhenjun_zhao · x · 2026-10-23
ReDT 是一个面向高分辨率输入的前馈视觉几何 Transformer，解决现有模型固定在标清分辨率训练、难以扩展到高清重建的问题。
核心思想是分辨率解耦：先将每个视角映射到固定数量的 basis token，在这个常数大小的紧凑空间中计算对应关系，再投影回原始分辨率做稠密预测。这样内部注意力表示与输入分辨率解耦，大幅降低高清 3D 重建的计算成本。
在 SD 到 FHD(2K) 多个数据集上，ReDT 在重建质量和计算效率上均超越现有 SOTA：在 ETH3D(2K)上实现 16 倍加速、峰值 GPU 显存降低 34%。
「研究」频道最新
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23
- AKV 推理系统让 Agent 自管 KV 缓存,成本降 27.7% 准确率反升 — _akhaliq · 2026-10-23
- AuroraTTS-100K：不到 100K 参数的英文 TTS，INT8 仅 127KB — Tall_Abrocoma_3533 · 2026-10-23
- MiTaS 多分辨率触觉模仿学习登场：成功率 80% 远超纯视觉基线 35.5% — Jan_R_Peters · 2026-10-23