Long-LRM es un modelo para la reconstrucción gaussiana 3D que puede reconstruir escenas grandes a partir de una serie de imágenes de entrada. El modelo puede procesar 32 imágenes fuente con una resolución de 960x540 en 1.3 segundos, funcionando únicamente en una sola GPU A100 80G. Combina el último módulo Mamba2 con módulos transformadores tradicionales, mejorando la eficiencia manteniendo la calidad a través de una eficiente fusión de tokens y un paso de poda gaussiana. A diferencia de los modelos de alimentación directa tradicionales, Long-LRM puede reconstruir toda la escena de una sola vez, en lugar de reconstruir solo una pequeña parte. En conjuntos de datos de escenas a gran escala, como DL3DV-140 y Tanks and Temples, el rendimiento de Long-LRM es comparable a los métodos basados en optimización, con una mejora de dos órdenes de magnitud en la eficiencia.