VGGT-1B

VGGT-1B

一次前向计算就能从一张、几张或上百张图片推断出场景的 3D 结构，包括相机参数和深度图。适合计算机视觉开发者和研究人员。

由 facebook 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：VGGT，即 Visual Geometry Grounded Transformer，是 Meta AI Research 和牛津大学 VGG 小组发布的图片转 3D 模型。它是一个前馈神经网络，读取一个场景的图片，直接推断出关键的 3D 属性。这项工作发表于 CVPR 2025。

输出包括相机参数、点图、深度图和 3D 点轨迹。输入可以是一个视角、几个视角或上百个视角，几秒内就能给出结果。

适合谁：需要从普通图片里获得场景 3D 信息的计算机视觉开发者和研究人员最适合它。你用 Python 来使用它。

Industry | Who uses it | How they use it | Example
3D 和图形 | 计算机视觉工程师 | 从一组照片恢复场景几何 | 从几个视角得到深度图和点图
机器人 | 机器人研究人员 | 估计一个空间的图片的相机参数 | 读取相机的外参和内参
学术研究 | 研究生 | 研究前馈式 3D 重建 | 在多个视角之间跟踪 3D 点

如果你想要现成的 3D 应用，可以跳过它，因为这一页是一个模型，不是现成的工具。

用在哪里：你在自己的电脑上用 Python 运行它，使用模型页面指向的代码。

• 装有 Python 的 Windows、macOS 或 Linux
• 项目自己的 GitHub 代码仓库，模型页面上有写明
• Hugging Face 演示页面，模型页面有链接指向它

Use case | Who | What they get back
从照片得到场景几何 | 计算机视觉工程师 | 每个视角的深度图和点图
相机估计 | 研究人员 | 把每张图片放进场景的相机参数
点跟踪 | 研究生 | 你给的各个视角之间的 3D 点轨迹

如何设置：你需要 Python 和项目的代码，因为模型页面把运行步骤交给了代码仓库。

• Windows、macOS 或 Linux 上的 Python
• 足够的磁盘空间，F32 权重约 5 GB
• 项目的代码仓库，用来查看运行说明

1. 安装 Python。
2. 用 pip 安装 Hugging Face hub 工具。
3. 用 hf 命令下载模型文件。
4. 按照项目代码仓库里的快速开始操作。

pip install -U huggingface_hub
hf download facebook/VGGT-1B

如何使用：模型页面没有给出自己的命令，而是让你去项目的代码仓库看快速开始。你给模型一个场景的一张、几张或上百张图片。它返回相机参数、点图、深度图和 3D 点轨迹。

示例：你给模型几张同一个场景的照片。它返回每台相机所在的位置、每个视角的深度图、场景的点图和 3D 点的轨迹，全部在几秒内完成。

新手与专家：你可以把这个模型看成一个工具，它看过一个地方的几张图片，就能算出这个地方的 3D 形状和每台相机的位置。第一个小尝试，是下载文件，然后打开代码仓库里的快速开始。

在底层，一次前馈计算就同时推断出所有关键的 3D 属性，所以每种输出都不需要单独的步骤。它能接受从单个视角到上百个视角的输入，图片数量由你自己决定。记录里列出的参数量是 1.3B。

输入一张、几张或上百张图片
前馈 transformer 读取各个视角
得到相机参数、点图和深度图
同时输出 3D 点轨迹

注意事项：许可证把这个模型限定在非商业用途。

• Size: 1.3B 个参数，F32 权重约 5 GB，以 Safetensors 格式存放
• Other versions: Hugging Face 列出了其他人做的 1 个量化版本和 13 个微调版本
• License: cc-by-nc-4.0，属于非商业许可
• Cost to run: 未提及
• Data it reaches: 你给它的图片，以及从 Hugging Face 下载的模型文件
• Not for: 许可证之下的商业用途

Hugging Face 上的数据（2026年11月14日）

• 任务：image to 3d
• 参数量：1.3B
• Weights: about 5 GB in F32; about 628 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：646,177
• 点赞：158
• 许可证：cc-by-nc-4.0
• 语言：en
• Quantized versions: 2
• Fine-tunes: 15
• 标签：safetensors, model_hub_mixin, pytorch_model_hub_mixin, image-to-3d

链接

• 模型：https://huggingface.co/facebook/VGGT-1B
• 文件：https://huggingface.co/facebook/VGGT-1B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download facebook/VGGT-1B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。