VGGT: Reconstrução de Cena 3D em Segundos

O Facebook Research apresenta o VGGT (Visual Geometry Grounded Transformer), uma rede neural feed-forward que consegue inferir todos os atributos 3D-chave de uma cena — parâmetros intrínsecos e extrínsecos da câmera, mapas de pontos, mapas de profundidade e rastreamento de pontos 3D — de uma, poucas ou centenas de vistas em meros segundos. Este modelo fácil de usar, que utiliza o poder dos Transformadores, oferece uma ferramenta de visualização 3D interativa. Surpreendentemente, o VGGT demonstra capacidades impressionantes de reconstrução de visão única, obtendo resultados competitivos em comparação com métodos monoculares de última geração, apesar de não ter sido explicitamente treinado para esta tarefa.