monocular-video

TrackCraft3R 改造视频扩散变换器，用于从单目视频进行密集3D追踪。它采用双潜在表示和时间RoPE对齐，以比先前方法快1.3倍的速度和少4.6倍的峰值内存，实现了最先进的性能。