跳至内容

pchao.org

StreamVGGT

SpaTime:面向时空推理的流式视觉语言模型

7 10 月, 2026 作者 PengChao
几何融合

SpaTime 把冻结 StreamVGGT 的因果三维几何 token 逐帧融入流式视觉语言模型,并用可微响应时刻损失监督何时作答。

分类 CVPR三分钟 标签 CVPR三分钟、 Qwen2.5-VL-7B-Instruct、 SpaTime、 StreamVGGT、 人工智能、 深度学习、 计算机视觉 发表评论

RegVGGT:用按帧调控的记忆做流式几何重建

22 9 月, 2026 作者 PengChao
方法贡献

RegVGGT 冻结 StreamVGGT,按层按头只把最显著的约 1% 新令牌写进记忆,用 FlashAttention 的对数配分打分,从而在长视频流上少涨显存又少忘几何。

分类 CVPR三分钟 标签 CVPR三分钟、 FlashAttention、 RegVGGT、 StreamVGGT、 人工智能、 深度学习、 计算机视觉 发表评论
© 2026 pchao.org • Built with GeneratePress