搜索历史清空

地平线发布原生视频几何基础模型LoFT,采用双循环Transformer架构

瑞财经 刘治颖 2026-11-19 15:51 1.4w阅读

瑞财经 刘治颖 11月18日,地平线机器人实验室发布原生视频几何基础模型LoFT (Looped Foundation Transformer for Video Geometry) 。模型能够从RGB视频中联合预测相机位姿、内参及逐帧深度,恢复场景三维结构,为机器人空间感知、环境理解与具身学习提供几何基础。

LoFT面向连续视频,采用双循环Transformer架构。第一循环通过局部与全局时序注意力聚合跨帧信息,逐步扩大时间感受范围,充分利用相邻帧的连续性和跨视角的几何关联。第二循环显式更新相机位姿与内参,并将相机状态反馈至下一轮特征计算,实现视觉特征与几何状态的迭代优化。结合双循环特征,模型进一步预测逐帧深度及其置信度,恢复场景的可见三维结构。

为支撑规模化训练,团队搭建了统一的三维重建数据处理与训练平台,约297万条有效训练序列和9.62亿帧图像记录,覆盖仿真与真实、动态与静态等多样化场景,并通过统一的数据清洗、质量筛选和采样策略,为模型的几何感知能力与跨场景泛化提供数据基础。

据查阅,地平线是乘用车智能辅助驾驶解决方案供应商。公司的解决方案整合了算法、专软件和处理硬件,为基础辅助驾驶和全场景辅助驾驶提供核心技术,从而提高驾驶员和乘客的安全性和体验感。

2026年上半年,地平线实现营收20.55亿元,同比增长32.9%;毛利润13.56亿元,毛利率维持在66%的高位;归母净利润37.84亿元,同比扭亏为盈。

地平线创始人兼CEO余凯,1976年出生,负责公司的整体战略及业务发展,拥有南京大学电子工程学士学位及硕士学位,以及德国慕尼黑大学计算机科学博士学位。

余凯在计算机工程领域拥有约25年的研发经验,已发表超过100篇论文,被引用达30000次以上。在创立地平线之前,余凯曾担任百度研究院副院长、西门子中国研究院神经计算部门的高级研究科学家、NEC Laboratories America媒体分析部门主管、斯坦福大学计算机科学系兼职教师。

重要提示: 本文仅代表作者个人观点,并不代表瑞财经立场。 本文著作权,归瑞财经所有。未经允许,任何单位或个人不得在任何公开传播平台上使用本文内容;经允许进行转载或引用时,请注明来源。联系请发邮件至ruicaijing@rccaijing.com

相关文章

24小时热门文章

最新文章