Long-LRM est un modèle de reconstruction gaussienne 3D capable de reconstruire de grandes scènes à partir d'une série d'images d'entrée. Ce modèle peut traiter 32 images source de résolution 960x540 en 1,3 seconde, et ce, sur un seul GPU A100 80G. Il combine le dernier module Mamba2 et des modules transformers traditionnels, utilisant une fusion de jetons efficace et une étape de suppression gaussienne pour améliorer l'efficacité tout en garantissant la qualité. Contrairement aux modèles feed-forward traditionnels, Long-LRM peut reconstruire la scène entière en une seule fois, au lieu de reconstruire uniquement une petite partie. Sur des ensembles de données de scènes à grande échelle, tels que DL3DV-140 et Tanks and Temples, les performances de Long-LRM sont comparables à celles des méthodes basées sur l'optimisation, avec un gain d'efficacité de deux ordres de grandeur.