研究人员证明,几何基础模型VGGT隐式编码了共可见性,早期层构建3D感知表示,晚期层充当专用推理器。具体而言,层L17作为非共可见对的负锚点,提供了层特异性的证据。

基于这一发现,作者引入了Co-VGGT,它冻结VGGT并训练一个轻量级的逐层混合专家头(mixture-of-experts head),参数量少于7.5M,仅从RGB图像中对共可见性进行分类。

在Co-VisiON基准测试中,Co-VGGT超越了人工标注基线,成对结果提高了25%以上,多视角结果提高了10%。其预测校准良好(ECE=0.030),允许直接用作SfM和SLAM流水线中可见性图的边权重,无需事后校正。