vggt

VGGT 是一个面向视觉几何理解的新型视觉 Transformer 模型，旨在将图像中的几何结构（如点、线、面、对称性、透视关系等）显式建模并融入 Transformer 架构中。其核心特点是引入可微分几何先验模块，支持端到端训练，并在深度估计、单目三维重建、相机姿态估计等任务上实现显著性能提升。模型支持多帧输入与长序列处理，经内存优化后推理效率大幅提高。适用于需要强几何感知能力的计算机视觉任务，尤其适合自动驾驶、机器人导航、AR/VR 等对空间结构理解要求高的场景。