开源模型仅凭单目视频实时建3D地图，单GPU跑20帧稳定超万帧
bennash · x · 2026-10-28
一个开源模型可将普通视频实时转换为 3D 地图：
- 无需 LiDAR 或深度传感器，单个摄像头即可
- 单 GPU 上达到 20 FPS 实时运行，稳定超过 10000 帧
- 核心架构为 Geometric Context Transformer
- 在基准测试中超过基于优化的方法
「研究」频道最新
- DiscoTrace 论文获 EMNLP 2026 最佳论文:对比人类与 LLM 的答题策略 — rachelrudinger · 2026-10-29
- 一张红心图片就能让模型 100% 写递归代码，DeepMind 论文揭示隐式视觉引导 — dair_ai · 2026-10-29
- 新基准 CMASS 登场：5.5 亿文档语料上考验智能体搜索 — lintool · 2026-10-29
- 把蛋白质写成字母序列：Profluent 用语言模型设计基因编辑器 — nathanbenaich · 2026-10-29
- AAAI rebuttal 季到了，研究员公开自己的答辩模板 — StephenLCasper · 2026-10-29
- 学者提出「Neurovium」：神经、计算与认知的统一学科 — neurovium · 2026-10-28