# 视觉几何Transformer

PhysVGGT 将物理属性估计表述为稠密逐像素预测问题，用视觉几何 Transformer 提取几何感知 token，再经稠密分支预测摩擦系数、Shore 硬度、杨氏模量和密度的逐像素图、经全局分支预测物体级质量，在单张 RGB 图像上单次前向完成，在 ABO-500 上取得最优质量估计、在分布外的 NeRF2Physics 真实基准上取得最优摩擦与硬度结果，推理延迟 0.13 秒、比此前最优方法快 27 倍。

PhysVGGT 将物理属性估计表述为稠密逐像素预测问题，用视觉几何 Transformer 提取几何感知 token，再经稠密分支预测摩擦系数、Shore 硬度、杨氏模量和密度的逐像素图、经全局分支预测物体级质量，在单张 RGB 图像上单次前向完成，在 ABO-500 上取得最优质量估计、在分布外的 NeRF2Physics 真实基准上取得最优摩擦与硬度结果，推理延迟 0.13 秒、比此前最优方法快 27 倍。