Hugging Face发布TrackEverything长视界3D跟踪模型

发生了什么

据Hugging Face Papers报道，TrackEverything是一种3D点跟踪器，通过去重3D场景表示实现长视界密集跟踪。该模型将视频表示为持久化的世界坐标系场景轨迹，利用体素去重、端点和轨迹细化及高效3D特征采样，在40GB GPU内存内对超过1000帧的视频进行全可见点跟踪。在TAPVid-3D基准上，其短片段性能优于所有开源全帧密集3D跟踪器20%以上APD。