PulseAugur
实时 02:18:02

GHOST框架大幅降低3D重建的缓存需求

研究人员开发了GHOST,一个旨在管理流式3D重建内存缓存的新框架,适用于长视频序列。这种无需训练的方法利用模型自身的3D几何输出来决定驱逐哪些数据令牌,从而解决了内存瓶颈问题。GHOST采用分层评分系统、关键令牌的特权机制以及层级预算分配来优化缓存使用。该框架显著减小了KV缓存大小并加快了推理速度,同时保持了高质量的重建效果。 AI

影响 能够更有效地处理长视频序列以进行3D重建,可能改进实时应用。

排序理由 发布了一篇详细介绍新型3D重建框架的最新研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

GHOST框架大幅降低3D重建的缓存需求

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yulun Zhang ·

    GHOST: Geometry-Hierarchical Online Streaming Token Eviction for Efficient 3D Reconstruction

    Streaming 3D reconstruction from long monocular video sequences requires maintaining a key-value (KV) cache that grows linearly with sequence length, creating a severe memory bottleneck. Existing approaches either truncate the cache to a fixed set of anchor frames, leading to rec…