Excited to share that our paper LASER has been accepted to #CVPR2026!

개요 LASER는 CVPR 2026에 채택된 논문으로, 고품질 오프라인 3D 재구성 모델을 실시간 스트리밍 시스템으로 변환하는 프레임워크다. VGGT, π³ 같은 최신 모델을 추가 학습 없이(training-free) 스트리밍 파이프라인으로 전환할 수 있으며, 킬로미터 규모의 대형 씬을 14fps로 재구성할 수 있다.

핵심 내용 3D 재구성 분야에서는 오랫동안 품질과 속도 사이의 트레이드오프가 존재해왔다. 오프라인 모델(VGGT, π³ 등)은 높은 품질을 제공하지만 전체 데이터를 한꺼번에 처리해야 하므로 실시간 활용이 불가능했다. LASER는 이 문제를 해결하기 위해, 기존 오프라인 모델의 아키텍처를 변경하지 않고도 프레임 단위로 점진적 처리가 가능하도록 스트리밍 래퍼를 제공한다. 이를 통해 모델 재학습 없이 기존의 SOTA 성능을 유지하면서 실시간 처리를 달성한다.

기존 대비 차별점 가장 주목할 점은 training-free 접근이라는 것이다. 기존에는 스트리밍을 위해 모델을 처음부터 다시 설계하거나 파인튜닝해야 했지만, LASER는 이미 학습된 모델을 그대로 활용한다. 또한 킬로미터 스케일의 대규모 재구성을 지원한다는 점에서 자율주행, 드론 매핑 등 실제 산업 적용에 한 걸음 더 가까워졌다. 플러그인 방식으로 다양한 백본 모델에 적용 가능하다는 범용성도 강점이다.

활용 가능성 자율주행 차량의 실시간 환경 인식, AR/MR 기기에서의 즉각적 공간 매핑, 드론 기반 대규모 지형 스캔 등 실시간성이 요구되는 3D 재구성 파이프라인에 직접 적용할 수 있다. 기존에 오프라인에서만 사용 가능했던 고품질 모델을 재학습 없이 전환할 수 있으므로, 연구에서 프로덕션으로의 전환 비용을 크게 낮출 수 있다.

참고 자료 - 원본 트윗 ===