地平线机器人实验室在11月18日于北京发布LoFT,一款原生视频几何基础模型。它把连续视频作为建模对象,借助双循环Transformer架构,从RGB视频里同步输出相机位姿、内参和逐帧深度,进而还原三维场景结构。
训练层面,LoFT使用了覆盖多类场景的数据集,规模约为297万条序列和9.62亿帧图像。在SpatialBench等三个评测体系中,其深度估计的多项指标取得业界最优成绩,也就是SoTA。
从应用方向看,LoFT面向机器人感知、自动驾驶以及室内环境重建等具身智能任务。
地平线机器人实验室在11月18日于北京发布LoFT,一款原生视频几何基础模型。它把连续视频作为建模对象,借助双循环Transformer架构,从RGB视频里同步输出相机位姿、内参和逐帧深度,进而还原三维场景结构。
训练层面,LoFT使用了覆盖多类场景的数据集,规模约为297万条序列和9.62亿帧图像。在SpatialBench等三个评测体系中,其深度估计的多项指标取得业界最优成绩,也就是SoTA。
从应用方向看,LoFT面向机器人感知、自动驾驶以及室内环境重建等具身智能任务。
2026-11-19
2026-11-19
2026-11-19
2026-11-19
2026-11-19
2026-11-19
2026-11-19
2026-11-19
2026-11-19
2026-11-19