Long-LRM: 넓은 범위를 위한 장거리 대형 재구성 모델을 위한 가우시안 스플랫

Long-LRM: Long-sequence Large Reconstruction Model for Wide-coverage Gaussian Splats

October 16, 2024

저자: Chen Ziwen, Hao Tan, Kai Zhang, Sai Bi, Fujun Luan, Yicong Hong, Li Fuxin, Zexiang Xu

cs.AI

초록

우리는 Long-LRM을 제안합니다. 이는 장면을 재구성하는 데 특화된 3D 가우시안 재구성 모델로, 긴 입력 이미지 시퀀스로부터 대규모 장면을 재구성할 수 있습니다. 구체적으로, 우리의 모델은 960x540 해상도의 32개의 소스 이미지를 1.3초 만에 단일 A100 80G GPU에서 처리할 수 있습니다. 우리의 아키텍처는 최근의 Mamba2 블록과 고전적인 트랜스포머 블록의 혼합을 특징으로 하며, 이를 통해 이전 작업보다 훨씬 많은 토큰을 처리할 수 있게 되었습니다. 이는 효율적인 토큰 병합과 가우시안 가지치기 단계에 의해 향상되었으며, 품질과 효율성 사이의 균형을 유지합니다. 이전의 입력 이미지 1~4개만 처리하고 대규모 장면의 일부만 재구성할 수 있는 이전의 피드포워드 모델과는 달리, Long-LRM은 단일 피드포워드 단계에서 전체 장면을 재구성합니다. DL3DV-140 및 Tanks and Temples와 같은 대규모 장면 데이터셋에서, 우리의 방법은 최적화 기반 접근법과 유사한 성능을 달성하면서도 효율성이 2차례 더 뛰어납니다. 프로젝트 페이지: https://arthurhero.github.io/projects/llrm

English

We propose Long-LRM, a generalizable 3D Gaussian reconstruction model that is capable of reconstructing a large scene from a long sequence of input images. Specifically, our model can process 32 source images at 960x540 resolution within only 1.3 seconds on a single A100 80G GPU. Our architecture features a mixture of the recent Mamba2 blocks and the classical transformer blocks which allowed many more tokens to be processed than prior work, enhanced by efficient token merging and Gaussian pruning steps that balance between quality and efficiency. Unlike previous feed-forward models that are limited to processing 1~4 input images and can only reconstruct a small portion of a large scene, Long-LRM reconstructs the entire scene in a single feed-forward step. On large-scale scene datasets such as DL3DV-140 and Tanks and Temples, our method achieves performance comparable to optimization-based approaches while being two orders of magnitude more efficient. Project page: https://arthurhero.github.io/projects/llrm