TTT3R es un proyecto de investigación en visión por computadora 3D publicado en GitHub por el grupo Inception3D y aceptado en ICLR 2026. La propuesta consiste en una regla de actualización de estado simple que mejora la generalización en longitud del modelo CUT3R, un sistema de reconstrucción 3D a partir de secuencias de imágenes. En concreto, el método aplica entrenamiento en tiempo de test (TTT, por sus siglas en inglés) para adaptar dinámicamente el estado del modelo durante la inferencia, lo que permite procesar secuencias de vídeo más largas sin degradar la calidad de la reconstrucción.
El repositorio incluye el código fuente, instrucciones de instalación mediante conda (Python 3.11, PyTorch con CUDA 12.1 y dependencias como evo y open3d) y los pasos para compilar los kernels CUDA de RoPE empleados por CroCo v2. También proporciona los checkpoints preentrenados de CUT3R sobre 4 a 64 vistas, descargables a través de Google Drive con la utilidad gdown. Un script demo.py permite ejecutar la inferencia sobre una carpeta de imágenes o un vídeo, visualizar los resultados con viser en el puerto 8080 y guardar la salida en el directorio especificado.
El artículo asociado, firmado por Xingyu Chen, Yue Chen, Yuliang Xiu, Andreas Geiger y Anpei Chen, lleva por título 'TTT3R: 3D Reconstruction as Test-Time Training' y está disponible como preprint de arXiv con identificador 2509.26645. El código se basa en repositorios previos de los autores, a quienes agradecen públicamente la publicación de su trabajo.