/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
pytorch
Опубликована
17 июл 2025

StreamVGGT

Языковая модель3 профессии

StreamVGGT восстанавливает 4D-геометрию сцены в реальном времени по потоковой последовательности изображений.

437скачиваний за 30 дней14лайковвеса обновлены23 июл 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

StreamVGGT — каузальная трансформерная модель для потокового восприятия визуальной геометрии в 4D. По последовательности изображений она выполняет инкрементальную реконструкцию сцены: использует причинное временное внимание и кэш памяти, чтобы обрабатывать новые кадры без повторного пересчёта всей последовательности.

Модель предназначена для быстрого онлайн-восстановления 4D-сцен в реальном времени. В README отмечена совместимость с механизмами внимания, ориентированными на LLM, включая FlashAttention. Репозиторий содержит веса в формате Safetensors; авторы и лицензия CC BY-NC 4.0 указаны в данных Hugging Face. README направляет кода и инструкции по запуску в репозиторий GitHub.

Сценарии применения

  • инкрементальная реконструкция 4D-сцены по видеокадрам
  • онлайн-восстановление геометрии сцены при поступлении новых изображений
  • потоковое восприятие визуальной геометрии для интерактивных приложений

Ограничения

Модель рассчитана на последовательности изображений; подробные требования к входным данным и количественные результаты в предоставленном README не описаны. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими условиями.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Dong Zhuo*, Wenzhao Zheng*†, Jiahe Guo, Yuqi Wu, Jie Zhou, Jiwen Lu

* Equal contribution. † Project leader.

Paper | Project Page

StreamVGGT, a causal transformer architecture for real-time streaming 4D visual geometry perception compatiable with LLM-targeted attention mechanism (e.g., FlashAttention), delivers both fast inference and high-quality 4D reconstruction.

Overview

Given a sequence of images, unlike offline models that require reprocessing the entire sequence and reconstructing the entire scene upon receiving each new image, our StreamVGGT employs temporal causal attention and leverages cached memory token to support efficient incremental on-the-fly reconstruction, enabling interative and real-time online applitions.

Quick start

Please refer to our Github Repo.

Citation

If you find this project helpful, please consider citing the following paper:

@article{streamVGGT,
      title={Streaming 4D Visual Geometry Transformer}, 
      author={Dong Zhuo and Wenzhao Zheng and Jiahe Guo and Yuqi Wu and Jie Zhou and Jiwen Lu},
      journal={arXiv preprint arXiv:2507.11539},
      year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
f9ba55b

0 моделей