arXiv · cs.RO官方发布· Jinhao You (University of Pennsylvania), Shuo Lyu (University of Pennsylvania), Zhuohang Lyu (University of Pennsylvania), Tanxuan Li (University of Pennsylvania), Zibo Zhao (University of Pennsylvania), Jiaxiang Hu (University of California, Irvine), Kai Tang (Nanyang Technological University), Yichen Guo (Nanyang Technological University)·· 2 小时前AI 评分47
论文 / 摘要阅读
RegimeVGGT：面向视觉几何基础Transformer的逐层空间保持冗余去除
RegimeVGGT: Layer-Wise Spatially Preserving Redundancy Removal for Visual Geometry Grounded Transformer
AI 导读 · 根据来源整理
RegimeVGGT通过逐层分析VGGT的跨帧注意力冗余，提出无需训练的U形压缩方案：浅层缺乏跨视角结构、中层驱动跨视角对齐、深层对稠密几何冗余但对位姿关键。方法沿两轴压缩，用显著性引导带状合并保护几何与边缘显著token，并用选择性保护的K/V下采样通过相移空间网格、参考帧锚点和未压缩相机/寄存器token保留跨帧空间覆盖与位姿关键路径。在重建质量匹配时，相对内存优化版VGGT*取得6.7倍加速。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org