![☁️云上报刊亭📰 [精选] 🅥 -- 新闻，报纸，杂志，电子书，资料 PDF🗞 头像](https://backend.meow.tg/static/avatars/channels/aea3b612-8085-455a-91f8-c64a5ac9c85c.jpg?v=2026-04-25T08:00:04.580653Z)
适合： 视频流、机器人、AR眼镜等实时场景
----------------------
架构对比一览
一句话总结：
● VGGT像考试时把所有题目看完再统一作答的学霸——答得准，但要等
● CUT3R像边听课边记笔记的学生——能跟上直播，但偶尔会漏细节
----------------------
未来展望
VGGT可能会：
● 出更小的版本，跑更快
● 针对视频优化
CUT3R可能会：
● 出网页摄像头demo
● 记忆机制更强，精度赶上VGGT
----------------------
原始数据
如果你想自己分析，这是完整的测试数据：
VGGT
绝对相对误差: 0.178
平方相对误差: 0.072
均方根误差: 0.33米
δ<1.25准确率: 71.7%
每帧耗时: 0.88秒
CUT3R-512
绝对相对误差: 0.215
平方相对误差: 0.139
均方根误差: 0.49米
δ<1.25准确率: 69.0%
每帧耗时: 0.15秒
CUT3R-224
绝对相对误差: 0.232
平方相对误差: 0.159
均方根误差: 0.51米
δ<1.25准确率: 65.3%
每帧耗时: 0.04秒
----------------------
总结
一句话：要准用VGGT，要快用CUT3R。
两个都是2025年CVPR的顶级工作，选哪个取决于你的场景：
● 不着急、要精确 → VGGT
● 要实时、能容忍误差 → CUT3R-224
● 两边都想要点 → CUT3R-512
最后提醒：这俩都是单目深度估计（只用普通相机），如果你的应用真的对精度要求很高，还是老老实实用深度相机吧。
----------------------
测试日期: 2026年2月8日 测试数据集: TUM RGB-D freiburg1_desk
via 日迹
----------------------
架构对比一览
一句话总结：
● VGGT像考试时把所有题目看完再统一作答的学霸——答得准，但要等
● CUT3R像边听课边记笔记的学生——能跟上直播，但偶尔会漏细节
----------------------
未来展望
VGGT可能会：
● 出更小的版本，跑更快
● 针对视频优化
CUT3R可能会：
● 出网页摄像头demo
● 记忆机制更强，精度赶上VGGT
----------------------
原始数据
如果你想自己分析，这是完整的测试数据：
VGGT
绝对相对误差: 0.178
平方相对误差: 0.072
均方根误差: 0.33米
δ<1.25准确率: 71.7%
每帧耗时: 0.88秒
CUT3R-512
绝对相对误差: 0.215
平方相对误差: 0.139
均方根误差: 0.49米
δ<1.25准确率: 69.0%
每帧耗时: 0.15秒
CUT3R-224
绝对相对误差: 0.232
平方相对误差: 0.159
均方根误差: 0.51米
δ<1.25准确率: 65.3%
每帧耗时: 0.04秒
----------------------
总结
一句话：要准用VGGT，要快用CUT3R。
两个都是2025年CVPR的顶级工作，选哪个取决于你的场景：
● 不着急、要精确 → VGGT
● 要实时、能容忍误差 → CUT3R-224
● 两边都想要点 → CUT3R-512
最后提醒：这俩都是单目深度估计（只用普通相机），如果你的应用真的对精度要求很高，还是老老实实用深度相机吧。
----------------------
测试日期: 2026年2月8日 测试数据集: TUM RGB-D freiburg1_desk
via 日迹