【免费下载链接】VGGT-Omega-1B-512-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/VGGT-Omega-1B-512-bf16点击查看免费下载本文带你用一条generate命令快速上手VGGT-Omega-1B-512-bf16视频 3D 重建这是 Meta 的 VGGT-Ω 3D 重建模型针对 Apple Silicon 做的 bf16 精度 MLX 转换版本。只需运行 mlx-vlm 附带的命令行工具就能把一段普通视频还原成彩色 3D 点云、逐帧深度图和相机位姿是本地化视频 3D 重建的高效选择。VGGT-Omega-1B-512-bf16 是什么简单来说它是一个单遍前向的视频 3D 重建模型给模型一组图像或一段视频一次前向推理就能同时输出——相机位姿每一帧相机的外参与内参️深度图每一帧的深度估计及置信度世界坐标点云可直接可视化的 3D 重建结果该模型来自 Meta AI 与 Oxford VGG 的 VGGT-Ω 系列CVPR 2026其中 512 分辨率检查点是作者推荐的野外通用版本。本仓库是它的bf16 MLX 转换版只包含权重和元数据推理代码在 mlx-vlm 库中仓库文件构成如下文件作用model.safetensorsbf16 模型权重约 2.29 GBfloat32 原版的一半model.safetensors.index.json1334 个张量的索引清单config.json模型架构参数编码器 24 层、1.14B 参数等preprocessor_config.json图像预处理配置输入分辨率固定 512LICENSE.txtFAIR 非商业研究许可证README.md官方使用说明值得一提的是config.json 中image_resolution为 512即所有输入帧都会被缩放到 512 分辨率处理而 config.json 里的head_dtype: float32表示深度与相机头部会在加载时升回 float32 计算保证了数值精度不缩水。环境准备安装 mlx-vlm使用前提很简单一台 Apple SiliconM 系列芯片的 Mac安装 Python 3.9 环境安装mlx-vlm需 0.7.4 之后的版本vggt_omega模型支持是在 0.7.4 之后加入的保持最新版即可pip install -U mlx-vlm模型权重不需要手动下载——运行命令时 mlx-vlm 会自动按模型 ID 拉取并缓存首次运行需要约 2.3 GB 的下载空间。generate 命令实战一条命令把视频变 3D 点云核心就是一条命令示例来自 README.mdpython -m mlx_vlm.models.vggt_omega.generate \ --model mlx-community/VGGT-Omega-1B-512-bf16 \ --video clip.mp4 --fps 1 --output scene.npz --ply scene.ply关键参数说明参数示例值说明--modelmlx-community/VGGT-Omega-1B-512-bf16模型 ID 或本地模型路径--videoclip.mp4输入视频文件--fps1抽帧速率每秒取 1 帧帧数越多越精细也更慢--outputscene.npz结构化结果输出.npz含深度、位姿等--plyscene.ply彩色点云输出可直接用点云查看器打开 小建议--fps不宜开太高。按官方实测数据32 帧全量推理约需 4 秒M5 Max抽帧过密会显著拉长推理时间。读懂输出npz 深度文件与 PLY 点云运行完成后你会得到两个文件。.npz里包含 5 组核心张量S 为帧数、H×W 为输入分辨率键名形状含义extrinsics(S, 3, 4)每帧相机外参OpenCV 坐标约定intrinsics(S, 3, 3)每帧相机内参模型输入像素单位depth(S, H, W)逐帧深度图depth_conf(S, H, W)深度置信度图world_points(S, H, W, 3)反投影后的 3D 世界坐标点而scene.ply是已经渲染好的彩色点云拖入任意点云查看软件即可看到重建出的场景。不用命令行Python 三行调用如果你想在代码里控制流程比如直接传入图片列表Python API 同样简单import mlx.core as mx from mlx_vlm import load from mlx_vlm.models.vggt_omega.generate import VGGTOmegaPredictor model, processor load(mlx-community/VGGT-Omega-1B-512-bf16) predictor VGGTOmegaPredictor(model, processor) out predictor.infer([frame_000.png, frame_001.png, frame_002.png]) mx.eval(out) # out 中包含 extrinsics / depth / world_points 等infer支持图片路径、URL、PIL 图像或 RGB 数组用视频时可用read_video(clip.mp4, fps1)抽帧。注意第一帧是参考帧会作为整个场景的坐标基准。精度与速度实测Apple Silicon 本地推理官方在 Apple M5 Max 上对照 float32 PyTorch 参考实现做了实测结果令人安心推理速度与显存占用完整前向帧数MLX本模型PyTorch MPS bf16MLX 峰值内存165 ms112 ms4.2 GB80.50 s1.22 s5.5 GB161.20 s3.02 s5.9 GB323.93 s8.72 s7.3 GB精度方面bf16 推理下 8 帧深度中位相对误差仅 8.6e-4参考实现的 bf16 autocast 为 1.2e-3四个场景的相机旋转误差在 0.03°~0.16° 之间float32 模式下 MLX 移植版与参考实现的一致性可达 ~1e-5。也就是说这个 bf16 版本在速度翻 2~3 倍的同时精度几乎不打折。使用注意授权与适用边界⚠️ 两点务必留意授权限制权重采用 FAIR Noncommercial Research License仅限非商业研究用途详见 LICENSE.txt非官方衍生本仓库是社区制作的 MLX 转换版官方推理代码在 mlx-vlm 中输入分辨率固定 512见 preprocessor_config.json超清视频会先被缩放写在最后VGGT-Omega-1B-512-bf16 把视频 → 3D的门槛降到了最低一条generate命令几十秒到几十分钟取决于帧数就能在 Mac 本地得到深度图、相机位姿和彩色点云。对于想快速实验 3D 场景理解、AR 内容制作或多视图重建的同学值得直接上手试试。赞分享【免费下载链接】VGGT-Omega-1B-512-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/VGGT-Omega-1B-512-bf16点击查看免费下载相关推荐VGGT-Ω原理深潜一次前向推理重建整个3D场景的秘密VGGT-Omega-1B-512-bf16背后的技术VGGT Ω原理深潜一次前向推理重建整个3D场景的秘密VGGT Omega 1B 512 bf16背后的技术 VGGT Omega 1B 512 bf16VGGT-Omega-1B-512-bf16输出结果全解析extrinsics、intrinsics、depth_conf与world_points逐项看懂VGGT Omega 1B 512 bf16输出结果全解析extrinsics、intrinsics、depth_conf与world_points逐项看懂7个命令搞定Go调试Delve命令行工具实战指南7个命令搞定Go调试Delve命令行工具实战指南 你还在为Go程序调试时找不到变量值而烦恼还在为定位并发bug熬夜加班本文将带你掌握Delve调试器的7个开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/17 4:02:31 · 阅读 1.2k 一条命令搞定视频3D重建：VGGT-Omega-1B-512-bf16命令行工具（generate）实战指南
【免费下载链接】VGGT-Omega-1B-512-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/VGGT-Omega-1B-512-bf16点击查看免费下载本文带你用一条generate命令快速上手VGGT-Omega-1B-512-bf16视频 3D 重建这是 Meta 的 VGGT-Ω 3D 重建模型针对 Apple Silicon 做的 bf16 精度 MLX 转换版本。只需运行 mlx-vlm 附带的命令行工具就能把一段普通视频还原成彩色 3D 点云、逐帧深度图和相机位姿是本地化视频 3D 重建的高效选择。VGGT-Omega-1B-512-bf16 是什么简单来说它是一个单遍前向的视频 3D 重建模型给模型一组图像或一段视频一次前向推理就能同时输出——相机位姿每一帧相机的外参与内参️深度图每一帧的深度估计及置信度世界坐标点云可直接可视化的 3D 重建结果该模型来自 Meta AI 与 Oxford VGG 的 VGGT-Ω 系列CVPR 2026其中 512 分辨率检查点是作者推荐的野外通用版本。本仓库是它的bf16 MLX 转换版只包含权重和元数据推理代码在 mlx-vlm 库中仓库文件构成如下文件作用model.safetensorsbf16 模型权重约 2.29 GBfloat32 原版的一半model.safetensors.index.json1334 个张量的索引清单config.json模型架构参数编码器 24 层、1.14B 参数等preprocessor_config.json图像预处理配置输入分辨率固定 512LICENSE.txtFAIR 非商业研究许可证README.md官方使用说明值得一提的是config.json 中image_resolution为 512即所有输入帧都会被缩放到 512 分辨率处理而 config.json 里的head_dtype: float32表示深度与相机头部会在加载时升回 float32 计算保证了数值精度不缩水。环境准备安装 mlx-vlm使用前提很简单一台 Apple SiliconM 系列芯片的 Mac安装 Python 3.9 环境安装mlx-vlm需 0.7.4 之后的版本vggt_omega模型支持是在 0.7.4 之后加入的保持最新版即可pip install -U mlx-vlm模型权重不需要手动下载——运行命令时 mlx-vlm 会自动按模型 ID 拉取并缓存首次运行需要约 2.3 GB 的下载空间。generate 命令实战一条命令把视频变 3D 点云核心就是一条命令示例来自 README.mdpython -m mlx_vlm.models.vggt_omega.generate \ --model mlx-community/VGGT-Omega-1B-512-bf16 \ --video clip.mp4 --fps 1 --output scene.npz --ply scene.ply关键参数说明参数示例值说明--modelmlx-community/VGGT-Omega-1B-512-bf16模型 ID 或本地模型路径--videoclip.mp4输入视频文件--fps1抽帧速率每秒取 1 帧帧数越多越精细也更慢--outputscene.npz结构化结果输出.npz含深度、位姿等--plyscene.ply彩色点云输出可直接用点云查看器打开 小建议--fps不宜开太高。按官方实测数据32 帧全量推理约需 4 秒M5 Max抽帧过密会显著拉长推理时间。读懂输出npz 深度文件与 PLY 点云运行完成后你会得到两个文件。.npz里包含 5 组核心张量S 为帧数、H×W 为输入分辨率键名形状含义extrinsics(S, 3, 4)每帧相机外参OpenCV 坐标约定intrinsics(S, 3, 3)每帧相机内参模型输入像素单位depth(S, H, W)逐帧深度图depth_conf(S, H, W)深度置信度图world_points(S, H, W, 3)反投影后的 3D 世界坐标点而scene.ply是已经渲染好的彩色点云拖入任意点云查看软件即可看到重建出的场景。不用命令行Python 三行调用如果你想在代码里控制流程比如直接传入图片列表Python API 同样简单import mlx.core as mx from mlx_vlm import load from mlx_vlm.models.vggt_omega.generate import VGGTOmegaPredictor model, processor load(mlx-community/VGGT-Omega-1B-512-bf16) predictor VGGTOmegaPredictor(model, processor) out predictor.infer([frame_000.png, frame_001.png, frame_002.png]) mx.eval(out) # out 中包含 extrinsics / depth / world_points 等infer支持图片路径、URL、PIL 图像或 RGB 数组用视频时可用read_video(clip.mp4, fps1)抽帧。注意第一帧是参考帧会作为整个场景的坐标基准。精度与速度实测Apple Silicon 本地推理官方在 Apple M5 Max 上对照 float32 PyTorch 参考实现做了实测结果令人安心推理速度与显存占用完整前向帧数MLX本模型PyTorch MPS bf16MLX 峰值内存165 ms112 ms4.2 GB80.50 s1.22 s5.5 GB161.20 s3.02 s5.9 GB323.93 s8.72 s7.3 GB精度方面bf16 推理下 8 帧深度中位相对误差仅 8.6e-4参考实现的 bf16 autocast 为 1.2e-3四个场景的相机旋转误差在 0.03°~0.16° 之间float32 模式下 MLX 移植版与参考实现的一致性可达 ~1e-5。也就是说这个 bf16 版本在速度翻 2~3 倍的同时精度几乎不打折。使用注意授权与适用边界⚠️ 两点务必留意授权限制权重采用 FAIR Noncommercial Research License仅限非商业研究用途详见 LICENSE.txt非官方衍生本仓库是社区制作的 MLX 转换版官方推理代码在 mlx-vlm 中输入分辨率固定 512见 preprocessor_config.json超清视频会先被缩放写在最后VGGT-Omega-1B-512-bf16 把视频 → 3D的门槛降到了最低一条generate命令几十秒到几十分钟取决于帧数就能在 Mac 本地得到深度图、相机位姿和彩色点云。对于想快速实验 3D 场景理解、AR 内容制作或多视图重建的同学值得直接上手试试。赞分享【免费下载链接】VGGT-Omega-1B-512-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/VGGT-Omega-1B-512-bf16点击查看免费下载相关推荐VGGT-Ω原理深潜一次前向推理重建整个3D场景的秘密VGGT-Omega-1B-512-bf16背后的技术VGGT Ω原理深潜一次前向推理重建整个3D场景的秘密VGGT Omega 1B 512 bf16背后的技术 VGGT Omega 1B 512 bf16VGGT-Omega-1B-512-bf16输出结果全解析extrinsics、intrinsics、depth_conf与world_points逐项看懂VGGT Omega 1B 512 bf16输出结果全解析extrinsics、intrinsics、depth_conf与world_points逐项看懂7个命令搞定Go调试Delve命令行工具实战指南7个命令搞定Go调试Delve命令行工具实战指南 你还在为Go程序调试时找不到变量值而烦恼还在为定位并发bug熬夜加班本文将带你掌握Delve调试器的7个开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考