Meta AI e VGG di Oxford presentano VGGT: un trasformatore per una comprensione rapida e completa delle scene 3D | Meta AI Instagram | Meta AI APK | Meta AI cosa e | Turtles AI

VGGT è una rete neurale feed-forward che ricostruisce velocemente attributi 3D da immagini, superando metodi tradizionali. Predice parametri della telecamera, mappe di profondità e tracciamenti, senza necessità di ottimizzazioni post-elaborazione.

Punti chiave:

• Efficienza e velocità: VGGT elabora le immagini in pochi secondi, superando metodi che richiedono post-elaborazioni complesse.
• Versatilità: La rete predice una vasta gamma di attributi 3D, tra cui parametri della telecamera e mappe di profondità.
• Integrazione fluida: Le previsioni di VGGT possono essere utilizzate direttamente o come base per attività successive, migliorando l’efficienza complessiva.
• Accessibilità: Il codice e i modelli sono disponibili pubblicamente, promuovendo l’innovazione e la collaborazione nella comunità scientifica.

Il Visual Geometry Grounded Transformer (VGGT) rappresenta un avanzamento significativo nel campo della visione artificiale 3D. Questa rete neurale feed-forward è in grado di dedurre direttamente, da una singola immagine o da un insieme di viste di una scena, attributi 3D fondamentali come parametri intrinseci ed estrinseci della telecamera, mappe di profondità, mappe di punti e tracce di punti 3D. Il tutto avviene in pochi secondi, senza necessità di elaborazioni aggiuntive. I risultati ottenuti con VGGT sono paragonabili, se non superiori, a quelli di metodi tradizionali che richiedono ottimizzazioni iterative complesse. 

La progettazione di VGGT si basa su un trasformatore di grandi dimensioni, addestrato su vasti dataset con annotazioni 3D. Questo approccio consente al modello di apprendere in modo efficace le relazioni tra diverse rappresentazioni 3D, migliorando la precisione delle previsioni. Inoltre, le funzionalità estratte da VGGT possono essere utilizzate per potenziare attività successive, come il tracciamento di punti in video dinamici e la sintesi di nuove viste. Il codice e i modelli di VGGT sono disponibili pubblicamente, offrendo alla comunità della visione artificiale una risorsa preziosa per future ricerche e applicazioni. 

L’introduzione di VGGT segna un passo importante verso l’automazione e l’efficienza nella ricostruzione e analisi 3D, riducendo la necessità di interventi manuali e ottimizzazioni post-elaborazione. La disponibilità open-source del modello favorisce ulteriori sviluppi e applicazioni nel campo della visione artificiale.