编辑评分 95/100
网站简介
结合Mamba2与Transformer的高效全场景3D重建模型 Long-LRM是一款结合最新Mamba2模块与传统Transformer模块的3D重建模型，通过高效token合并和高斯修剪提升效率，仅需单张A100 80G GPU即可在1.3秒内处理32张960×540分辨率源图像。不同于传统前馈模型仅能重建场景局部，它支持一次性重建全场景，在公开大规模数据集上性能媲美传统优化方法，效率提升两个数量级。
核心功能
全场景一次性重建
区别于传统模型仅重建局部，支持一次性完成整个大规模场景的重建输出
高效运算处理
单A100 80G GPU仅需1.3秒即可处理32张960×540分辨率的源图像
混合架构设计
结合最新Mamba2模块与传统Transformer模块，兼顾重建质量与运算效率
优化效率提升
通过token合并与高斯修剪步骤，在保证重建质量同时大幅提升运算效率
高精度重建
在公开大规模数据集上，重建性能可媲美传统基于优化的3D重建方法
使用指南
- 1
访问Long-LRM官方网址https://arthurhero.github.io/projects/llrm
- 2
可获取项目源码、技术文档与部署说明。若需本地部署运行
- 3
需准备单张A100 80G及以上显存的GPU
- 4
按照文档指引配置运行环境
- 5
输入待处理的场景源图像
- 6
即可调用模型输出全场景3D重建结果。
优势亮点
支持一次性全场景重建
运算效率远超传统方法
单GPU即可运行，硬件门槛低
重建精度媲美传统优化方法
编辑推荐
Long-LRM突破了传统3D重建模型只能分块重建大规模场景的限制，通过混合架构设计与高效预处理步骤，在保证重建精度的同时实现了效率的量级提升，为大规模场景快速3D重建提供了新的高性能解决方案，对3D重建领域的算法优化有较高参考价值。
常见问题
深度了解
Long-LRM是一款面向大规模场景的高效3D重建深度学习模型，依托Github平台开放相关技术资料。该模型创新性结合了Mamba2模块与Transformer模块的优势，通过token合并和高斯修剪步骤优化运算流程，在保证重建质量的前提下大幅压缩运算时间，硬件要求仅为单张A100 80G GPU。区别于传统前馈模型仅能重建场景局部区域，Long-LRM可一次性输出完整全场景的重建结果，实测仅需1.3秒就能处理32张960×540分辨率的源输入图像。在DL3DV-140、Tanks and Temples等主流大规模场景公开数据集上的测试结果显示，Long-LRM的重建精度可媲美传统基于优化的方法，运行效率却提升了两个数量级，是目前大规模场景3D重建领域效率表现突出的模型，适合相关领域研究与落地应用。
使用须知
定价: 以官网定价为准
价格和授权政策可能变化，请以官网最新信息为准
资料由中文导航编辑部整理并经健康检测核验，定期复查更新。
本页信息核对于 2026/10/10，收录信息以收录当日官网状态为准，如发现内容过期请通过下方反馈告知。
访问第三方网站时，请注意以下事项:
- 谨慎提供个人账号、密码和支付信息
- 下载文件前确认来源安全，警惕诱导性广告
- 涉及版权素材使用时，请核实授权范围
- 如遇网站无法访问或内容异常，可反馈给我们
帮助我们维护准确的收录数据，纠错会进入编辑复核队列
用过Long-LRM？说说你的真实体验
你的点评会帮助更多人选型避坑——匿名发表，无需注册，30 秒即可完成
用户评价
还没有评分
成为第一个评价 Long-LRM 的人
我的评分
随下方评论一并提交
热度数据
按站内点击统计1
站内总点击
#-
同类排名 / 3471 站
1
同类点击中位数