ByteDanceが視覚空間再構成モデル「Depth Anything 3」をリリース

ByteDanceのSeedチームは、あらゆる視点からの空間認識を実現するために単一のTransformerアーキテクチャを革新的に採用した視覚空間再構成モデル「Depth Anything 3」をオープンソース化しました。このモデルは、統一された「深度光線」表現手法を用いて、カメラ姿勢推定や幾何学的再構成などのタスクを簡潔なフレームワークに統合し、主流モデルであるVGGTと比較して、カメラ姿勢精度と幾何学的再構成においてそれぞれ35.7%と23.6%の向上を実現しています。