首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
汽车 morning

地平线发布 LoFT 原生视频几何基础模型,多项指标达到 SoTA

2026-11-19 1 阅读 约3分钟阅读 IT之家
分享:
字号:
IT之家 11 月 19 日消息,11 月 18 日,地平线机器人实验室发布原生视频几何基础模型 LoFT(Looped Foundation Transformer for Video Geometry)。据介绍,该模型能够从 RGB 视频中联合预测相机位姿、内参及逐帧深度,恢复场景三维结构,为机器人空间感知、环境理解与具身学习提供几何基础。 官方称,LoFT 原生面向连续视频建模,采用 双循环 Transformer 架构 ,将跨帧视觉信息聚合与相机状态迭代优化相结合,用于挖掘视频中的时序关联与多视角几何信息。 IT之家从官方公布信息获悉,第一循环通过局部与全局时序注意力聚合跨帧信息,逐步扩大时间感受范围,利用相邻帧的连续性与跨视角的几何关联;第二循环显式更新相机位姿与内参,并将相机状态反馈至下一轮特征计算。 模型结合双循环特征预测逐帧深度及其置信度,恢复场景的可见三维结构。 ▲ 原生双循环 Transformer:LB1 通用几何特征提取,LB2 实现 Coarse2Fine 几何与姿态估计 官方表示,为支撑规模化训练,团队搭建了统一的三维重建数据处理与训练平台, 约 297 万条有效训练序列、9.62 亿帧图像记录 ,覆盖仿真与真实、动态与静态等多样化场景,并通过统一的数据清洗、质量筛选和采样策略提供数据基础。 ▲ 高频动态场景下的精准空间感知 ▲ 实现文字级精细几何重建 ▲ 驾驶场景中对动态车辆的鲁棒视觉重建 ▲ 复杂生活场景高精度重建 评测方面,研究团队在 SpatialBench、ClassicBench 和 VRBench 三套评测体系中将 LoFT 与 VGGT-Ω、DA3-Giant 等代表性模型比较。其中 SpatialBench 覆盖 12 个数据集、98 个连续视频场景;ClassicBench 整合 7 个经典视频重建基准;VRBench 涵盖机器人、自动驾驶及通用视频场景。据官方公布信息, LoFT 在多项深度估计指标上达到 SoTA 。 ▲ 通用 3D 空间重建评测 SpatialBench,多项指标达到 SoTA ▲ 在经典重建 ClassicBench 和连续视频重建 VRBench 中达到 SoTA 效果 在应用侧,官方称 LoFT 可利用连续视频中的时序与多视角几何信息,恢复场景三维结构与相机运动轨迹,覆盖机器人第一人称视频、动态街道、室内操作及开放环境探索等场景。 参考 项目主页
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱