Zebra3D：高效混合注意力3D重建基础模型

2026年10月12日，arXiv Computer Vision（一手来源）发布论文《Zebra3D：用于可扩展3D重建的高效基础模型》。该工作提出逐层稀疏-线性混合注意力框架，旨在提升预训练3D基础模型的效率，而无需从头训练。方法在VGGT、HunyuanWorld-Mirror与π³上，将线性注意力分配给耐受阶段、tile-sparse注意力分配给敏感阶段，实现免训练转换，并保持重建与相机位姿精度。目前公开信息仅此一篇报道，未见后续验证或第三方复现结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。