# ZipMap: Linear-Time Stateful 3D Reconstruction via Test-Time Training

### 저자

Haian Jin, Rundi Wu, Tianyuan Zhang, Ruiqi Gao, Jonathan T. Barron, Noah Snavely, Aleksander Holynski

### 💡 개요

본 논문은 기존 3D 재구성 방법론이 입력 이미지 수에 따라 계산량이 제곱으로 증가하여 대규모 이미지 컬렉션에 비효율적이라는 문제를 해결하고자 합니다. 이를 위해 ZipMap이라는 상태 기반(stateful) 순방향(feed-forward) 모델을 제안하며, 테스트 시점 학습(test-time training)을 통해 이미지 컬렉션을 압축된 은닉 장면 상태(hidden scene state)로 변환합니다. 결과적으로 ZipMap은 선형 시간에 3D 재구성을 달성하며, 기존 제곱 시간 복잡도 방법론과 동등하거나 우수한 정확도를 보여줍니다.

### 🔑 시사점 및 한계

- ZipMap은 대규모 이미지 컬렉션에 대한 3D 재구성의 계산 효율성을 획기적으로 개선하여, 수백 프레임을 수초 내에 처리할 수 있습니다.

- 상태 기반 표현을 통해 실시간 장면 상태 조회 및 순차적 스트리밍 재구성과 같은 새로운 응용 가능성을 제시합니다.

- 테스트 시점 학습의 효과성과 더불어, 압축된 장면 상태를 활용하는 새로운 접근 방식의 잠재력을 보여줍니다.

- 제안된 방법론의 일반화 성능 및 다양한 하드웨어 환경에서의 추가적인 성능 검증이 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2603.04385)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).