WorldFoundry
English中文

VGGT

VGGT（Meta AI (FAIR) / University of Oxford (VGG)）：3D 重建、3dgs；Runner 一致性待确认。

编辑此页GitHubMarkdown

VGGT（Visual Geometry Grounded Transformer，CVPR 2025）是前馈网络：单次前向即可从一到数百个视图推断相机、深度图、点图与 3D 点轨迹——无需逐场景优化。本 catalog 中已注册树内两段式 3DGS pipeline，与 vggt-omega、vggt-world 条目相互独立。

论文官方 Teaser：VGGT 从一到多视图重建三维，比 DUSt3R 更快更干净。
论文官方 Teaser：VGGT 从一到多视图重建三维，比 DUSt3R 更快更干净。
论文方法总览：DINO token 与相机 token 交替做全局与帧内注意力，再接到相机、深度、点图与轨迹头。
论文方法总览：DINO token 与相机 token 交替做全局与帧内注意力，再接到相机、深度、点图与轨迹头。

项目页：vgg-t.github.io。代码：facebookresearch/vggt。

论文是 Paper。项目页：vgg-t.github.io。代码：facebookresearch/vggt。

构建运行命令

推理 Pipeline
VGGTPipelineworldfoundry.pipelines.vggt.pipeline_vggt
任务Interactive Video interactive-video
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  vggt \
  --pipeline.task-profile interactive-video \
  --json

用来做什么

用 vggt 做 catalog 几何推理。产物是重建而不是生成视频时选它。

按 CVPR 2025 论文，大型 Transformer 在图像 token 上交替执行帧内与全局注意力，任务头分别输出相机、深度、点图与跟踪。权重为 apache-2.0（facebookresearch/vggt）；记录路径分两段从 VGGT 几何构建 3DGS。该模型由Meta AI（FAIR）/ 牛津大学 VGG 组发布。

catalog 记录的任务包括 3D 重建、3dgs、点云。输出模态为点云。

不是 VGGT-World、Infinite VGGT。

运行时契约

可选 input_path、interactions、fps、height、width。

CLI task profile：interactive-video。绑定的 pipeline 类是 VGGTPipeline。

系列状态：Runner 一致性待确认。

需要已验证的场景导出路径请用 vggt-omega；需要基于基础 VGGT 几何的两段式 3DGS pipeline 时用本条目。

In-tree VGGT two-stage 3DGS pipeline is registered; distinct from vggt-omega and vggt-world catalog entries.

在 WorldFoundry 中运行

启动 worldfoundry-eval run vggt --pipeline.task-profile interactive-video 写出几何。上方命令构建器按已记录任务切换 --pipeline.task-profile，发出的仍是 worldfoundry-eval run。

运行环境未记录。

记录的权重仓库包括 facebook/VGGT-1B。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh vggt；下载缺失的公开权重时加 --download。

状态：Runner 一致性待确认。