Long-LRM: 用于宽覆盖范围高斯光点 splat 的长序列大规模重建模型
计算机视觉与模式识别
2025-08-04 v2
摘要
我们提出 Long-LRM，一种用于即时、高分辨率、360{\deg} 全覆盖范围场景级重建的 feed-forward 3D 高斯重建模型。具体而言，它接受 960x540 分辨率下的 32 张输入图像，仅用 1 秒即可在单张 A100 GPU 上生成高斯重建。为处理由大输入尺寸带来的 25 万 token 的长序列，Long-LRM 融合了最新 Mamba2 模块和经典 Transformer 模块，并通过轻量级 token 合并模块和高斯修剪步骤在质量与效率之间进行平衡。我们在大规模 DL3DV 数据集和 Tanks&Temples 上评估了 Long-LRM，重建质量相当于基于优化的方法，同时相较于基于优化的方法实现了 800 倍加速，输入尺寸至少是前者 feed-forward 方法的 60 倍。我们进行了大量消融实验，探讨了模型设计在渲染质量和计算效率方面的影响。我们还探索了 Long-LRM 与其他高斯变体（如 2D GS）的兼容性，提升了 Long-LRM 在几何重建方面的能力。项目页面: https://arthurhero.github.io/projects/llrm
引用
@article{arxiv.2410.12781,
title = {Long-LRM: Long-sequence Large Reconstruction Model for Wide-coverage Gaussian Splats},
author = {Chen Ziwen and Hao Tan and Kai Zhang and Sai Bi and Fujun Luan and Yicong Hong and Li Fuxin and Zexiang Xu},
journal= {arXiv preprint arXiv:2410.12781},
year = {2025}
}