VGGT 如何编码图像重叠关系：探测几何基础模型中的共同可见性

论文发现，未接受共同可见性监督的 VGGT 内部已形成相关表征：早期层构建三维场景表示，后期层负责推理图像对是否共享可见表面，并定位到稳定的负锚点层 L17。作者据此提出 Co-VGGT，仅训练少于 750 万参数的分层混合专家头，在 Co-VisiON 上超过人工标注基线，配对任务 ECE 为 0.030。