ubc-vision/solv3r

Solv3R 是一个用 3D Looped Transformer 做多视角求解的模型，输入一组照片或一段视频，直接输出每张图的相机位姿、深度图和点云，还能在浏览器里打开查看结果。它相当于把传统 SfM（如 COLMAP）的相机位姿估计和深度重建换成一个可反复迭代的 Transformer 来做，支持离线批量、增量加入、乱序加入和逐帧流式四种喂图方式，无人机航拍照片也有专门的渲染路径。评测覆盖 DTU、ETH3D、ScanNet++、nuScenes 等数据集，同时提供离线、流式和地图重定位三套 benchmark 代码。适合做 3D 视觉、SLAM、自动驾驶感知、机器人定位和三维重建方向的研究者或工程师，尤其是需要在流式/在线场景下持续估计位姿和点云的人；如果你不碰多视角几何或相机位姿相关工作，这个项目和你关系不大。

Star 趋势

仓库信息