К содержимому
3D

Eco3R

быстрая 3D-реконструкция длинных видео на базе VGGT-1B

2 мин чтения

Eco3R — это набор дообученных весов (75,6 млн параметров) для модели 3D-реконструкции facebook/VGGT-1B от команды исследователей (Cao et al.). Модель решает задачу восстановления трёхмерной геометрии сцены и траектории камеры по длинным видеороликам. В основе лежит подход Pinned-Key Inference: каждый кадр видео обращается к одному и тому же фиксированному набору из 31 равномерно распределённого опорного кадра, а дообученные глобальные блоки (с 10 по 15) обеспечивают точное выравнивание. В отличие от оригинальной VGGT-1B, версия с весами Eco3R работает в 8,5 раза быстрее на длинных последовательностях и реже ошибается в траектории. Пригодится исследователям и разработчикам в области компьютерного зрения, робототехники и AR/VR.

Ключевые особенности

  • Ускорение в 8,5 раза: на видео из 500 кадров модель работает значительно быстрее полной версии VGGT за счёт механизма Pinned Key Set.
  • Выше стабильность на длинных видео: доля успешных реконструкций на датасете ScanNet выросла с 70% до 82% (ошибка траектории менее 0,2 м).
  • Лёгкая интеграция: файл alignment_refocusing_vggt1b.safetensors содержит 108 тензоров для блоков 10–15 и заменяет только их, оставляя остальные веса VGGT-1B без изменений.
  • Простой запуск через библиотеку eco3r: веса подгружаются автоматически или встраиваются в уже собранную модель VGGT одной функцией.

Что можно сделать

  • Реконструкция больших помещений: восстанавливать 3D-геометрию комнат и интерьеров по длинным обходным видео (например, из 500 кадров) без падения точности.
  • Оценка траектории камеры и глубины: извлекать параметры положения камеры и карты глубины для исследовательских задач в робототехнике и навигации.
  • Апгрейд пайплайнов на VGGT-1B: подключить файл весов через eco3r.load_refocusing() в существующий код на базе VGGT для ускорения инференса.

Пример

import eco3r
from eco3r.io import load_images

model = eco3r.load_backbone("vggt")
images = load_images("path/to/frames")
rec = eco3r.reconstruct(model, images.cuda(), "vggt", score=True)
ПодробнееМетрики (ScanNet, 500 кадров): 82% успешных реконструкций (ATE < 0.2 м) против 70% у полной VGGT; скорость выше в 8,5 раза.
Обучение: 2000 шагов AdamW (lr 1e-5) на 195 сканах ScanNet, заняло 3,6 часа на одной видеокарте A100.
Архитектура: обновлены только глобальные блоки 10–15 (75.6M параметров в float32).
Лицензия: CC BY-NC 4.0 (только для некоммерческих исследований, согласно условиям VGGT-1B и ScanNet).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.8 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Tequila7437/Eco3R
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Tequila7437/Eco3R --local-dir ~/models/Eco3R
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Eco3R
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

facebook/VGGT-1B

Новые посты про версии VGGT-1B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

Tequila7437/Eco3R
Автор
Tequila7437
Категория
3D
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

3D

EcoVGGT

EcoVGGT