/ Модель

Характеристики

Лицензия
MIT
Базовая модель
VGGT-1B
Опубликована
27 ноя 2025

OmniVGGT

Языковая модель

OmniVGGT — дообученная пространственная модель для восстановления 3D-геометрии по изображениям с использованием дополнительных геометрических данных.

0скачиваний за 30 дней9лайковвеса обновлены27 ноя 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OmniVGGT — пространственная foundation-модель для восстановления 3D-геометрии сцен, разработанная авторами работы OmniVGGT. Она построена на архитектуре Visual Geometry Grounded Transformer и дообучена на базе facebook/VGGT-1B. Модель использует изображения и может учитывать дополнительные геометрические модальности: глубину, внутренние параметры камеры и её позу, чтобы получать результаты восстановления геометрии.

В карточке заявлено улучшение результатов на задачах манипуляции роботом и высокая точность в различных прикладных задачах, однако конкретные показатели и детали этих задач не приведены. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Для запуска README рекомендует CUDA-совместимый GPU и указывает требования Python 3.10+, PyTorch 2.7.0+, 8 ГБ оперативной памяти и 4 ГБ видеопамяти.

Сценарии применения

  • восстановление 3D-геометрии сцены по изображениям
  • учёт данных глубины при построении геометрии сцены
  • использование параметров камеры и её позы для геометрической реконструкции
  • подготовка геометрических представлений сцен для задач манипуляции роботом

Ограничения

Для получения заявленного преимущества модель может использовать дополнительные данные глубины и параметры камеры; README не приводит численные оценки качества или подробные условия их получения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Details

Model type: Spatial Foundation Model for 3D Geometry Reconstruction

Model date: November 2025

Paper: OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer

Code: https://github.com/Livioni/OmniVGGT-official

Authors:

  • Haosong Peng*, Hao Li*, Yalun Dai, Yushi Lan, Yihang Luo, Tianyu Qi, Zhengshen Zhang, Yufeng Zhan†, Junfei Zhang†, Wenchao Xu†, Ziwei Liu

* Equal Contribution, † Corresponding Author

Model Description

OmniVGGT is a spatial foundation model that can effectively benefit from an arbitrary number of auxiliary geometric modalities (depth, camera intrinsics, and pose) to obtain high-quality 3D geometric results. The model achieves state-of-the-art performance across various downstream tasks and further improves performance on robot manipulation tasks.

Direct Use

Quick Start

import torch
from omnivggt.models.omnivggt import OmniVGGT

# Load model
model = OmniVGGT()
model.load_state_dict(torch.load('path/to/model.pth'))
model.eval()

# Prepare inputs
inputs = {
    'images': images,  # torch.Tensor [B, N, 3, H, W]
    'extrinsics': extrinsics,  # optional
    'intrinsics': intrinsics,  # optional
    'depth': depth,  # optional
    'mask': mask,  # optional
}

# Run inference
with torch.no_grad():
    predictions = model(**inputs)

Command Line Usage

# Basic usage - only images required
python inference.py --image_folder path/to/images/

# With auxiliary camera and depth information
python inference.py \
    --image_folder path/to/images/ \
    --camera_folder path/to/cameras/ \
    --depth_folder path/to/depths/

Technical Specifications

Requirements

  • Python 3.10+
  • PyTorch 2.7.0+
  • CUDA-compatible GPU (recommended)
  • 8GB+ RAM
  • 4GB+ GPU memory

Installation

conda create -n omnivggt python=3.10
conda activate omnivggt
pip install torch==2.7.0 torchvision==0.22.0 torchaudio==2.7.0 --index-url https://download.pytorch.org/whl/cu128
pip install -r requirements.txt

Citation

@article{peng2025omnivggt,
  title={OmniVGGT: Omni-Modality Driven Visual Geometry Grounded Transformer},
  author={Peng, Haosong and Li, Hao and Dai, Yalun and Lan, Yushi and Luo, Yihang and Qi, Tianyu and Zhang, Zhengshen and Zhan, Yufeng and Zhang, Junfei and Xu, Wenchao and Liu, Ziwei},
  journal={arXiv preprint arXiv:2511.10560},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
29c6762

0 моделей