주요 특징

• Geometric Context Transformer는 앵커 컨텍스트(좌표 그라운딩), 포즈 참조 윈도우(조밀한 기하 단서), 궤적 메모리(장거리 드리프트 보정)라는 세 가지 컨텍스트를 단일 스트리밍 아키텍처로 통합한다. 반복 최적화 없이 프레임이 들어오는 즉시 포인트맵과 카메라 포즈를 예측하는 피드포워드 구조다.
• FlashInfer의 paged KV cache 어텐션을 사용해 518x378 해상도에서 약 20 FPS의 안정적인 추론 속도를 내며, 1만 프레임을 넘는 장시퀀스에서도 성능이 유지된다. FlashInfer가 없으면 PyTorch 기본 SDPA 백엔드로 자동 폴백하고, --compile 옵션으로 추가 가속이 가능하다.
• 320 뷰 기준으로 video RoPE를 학습했기 때문에 그 이상 길이에서는 --keyframe_interval로 N번째 프레임만 캐시에 남기는 키프레임 전략을 쓰고, 3000 프레임을 넘으면 --mode windowed(window_size 128, overlap_keyframes 16)로 전환한다. 25,000 프레임 13분짜리 실내 워크스루 데모가 공개돼 있다.
• KITTI, Oxford Spires, VBR, Droid-W, TUM-D, 7-scenes, ETH3D, Tanks and Temples, NRGBD 등 9개 데이터셋에 대한 평가 스크립트가 benchmark/ 디렉터리에 모두 공개돼, 기존 스트리밍 방식과 반복 최적화 기반 방식 모두와 재현 가능한 비교가 가능하다.
• demo.py를 실행하면 viser 기반 브라우저 뷰어(기본 8080 포트)에서 결과를 바로 돌려볼 수 있고, demo_render/batch_demo.py는 영상이나 이미지 폴더를 받아 헤드리스 포인트클라우드 플라이스루 MP4까지 한 번에 만든다. VRAM이 부족하면 --offload_to_cpu와 --num_scale_frames 2로 메모리 피크를 낮출 수 있다.