ReCoSplat восстанавливает представление трёхмерной сцены из изображений с известными или неизвестными позами камер.
0скачиваний за 30 дней2лайкавеса обновлены4 сен 2026
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
ReCoSplat — предварительно обученная модель для восстановления трёхмерной сцены по изображениям методом Gaussian Splatting. Она описана в одноимённой работе «Online Feed-Forward Gaussian Splatting via Render-and-Compare»; сведения об организации-разработчике в карточке не приведены. Модель работает в режиме прямого прохода и поддерживает входные изображения как с заданными позами камер, так и без них, а также с заданными внутренними параметрами камер или без них.
Модуль Render-and-Compare (ReCo) предназначен для уменьшения расхождения между предсказанными и истинными позами во время инференса. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Модель ориентирована на реконструкцию и представление 3D-сцен, но карточка не сообщает поддерживаемые датасеты, разрешение входных изображений или количественные результаты.
Сценарии применения
восстановление 3D-сцены по набору фотографий
создание Gaussian Splatting-представления сцены
реконструкция сцены по изображениям без поз камер
реконструкция сцены при неизвестных внутренних параметрах камер
Ограничения
Карточка не приводит количественных оценок качества, требований к входным изображениям или ограничений по сценам и аппаратному обеспечению.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
ReCoSplat is an online feed-forward Gaussian Splatting model that supports both posed and unposed inputs, with or without camera intrinsics. It introduces a Render-and-Compare (ReCo) module to bridge the gap between predicted and ground‑truth poses at inference.