Speed3R：稀疏前馈 3D 重建模型

虽然最近的前馈 3D 重建模型通过单次推断联合推断稠密几何与相机姿态来加速 3D 重建，但其对稠密注意力的依赖导致二次时间复杂度，从而严重限制了推理速度。为解决此问题，我们引入 Speed3R，这是一个受结构从运动核心原则启发的端到端可训练模型：即仅需一小部分关键点即可实现稳健的姿态估计。Speed3R 采用双分支注意力机制，其中压缩分支创建粗糙的上下文先验以引导选择分支，后者仅对最具信息性的图像标记执行精细注意力。该策略模仿了传统关键点匹配的效率，在 1000 视图序列上实现了惊人的 12.4 倍推理加速，同时仅在几何精度方面进行最小、受控的权衡。在 VGGT 和 $\pi^3$ backbone 上进行标准基准测试验证后，我们的方法在计算成本为原来的一小部分的情况下，交付了高质量的重建，为高效的大规模场景建模铺平了道路。