Google Research가 ICML 2026에 발표한 단안(monocular) 3D 기하 추정 모델입니다. 카메라 파라미터나 정답값 없이 RGB 이미지 한 장만으로 조밀한 3D 포인트맵을 예측하며, 기존의 잠재 확산(latent diffusion) 기반 방식과 달리 포인트맵을 별도 토큰 공간으로 인코딩하지 않고 원시 3D 포인트맵 패치를 픽셀 공간에서 바로 디노이즈하는 미니멀한 구조가 특징입니다. 일반 ViT 백본에 고정된(frozen) 사전학습 DINOv3의 이미지 토큰을 조건으로 넣어, 별도의 포인트맵 토크나이저나 하이브리드 아키텍처 없이도 복잡한 잠재 확산 모델을 능가하는 성능을 냅니다. 256×256 사전학습 후 512×512로 파인튜닝하는 2단계 학습을 거쳤고, B/L/H 세 가지 크기의 사전학습 가중치와 7개 제로샷 평가 데이터셋 재현 스크립트를 Apache-2.0으로 공개했습니다. Google, ETH 취리히, 튀빙겐대, Microsoft, TUM 공동 연구입니다.