💻 computer science

HorizonStream: Long-Horizon Attention for Streaming 3D Reconstruction

HorizonStream एक नवीन लॉन्ग-होरिज़न ट्रांसफॉर्मर है जो 10,000 से अधिक फ्रेमों वाले अनुक्रमों पर स्थिर ऑनलाइन 3D पुनर्निर्माण के लिए स्टेट-ऑफ-द-आर्ट उपलब्धि प्राप्त करता है, जो मौजूदा विधियों की ड्रिफ्ट और मेमोरी सीमाओं को दूर करने के लिए ज्यामितीय प्रसार (geometric propagation) को मल्टी-टाइमस्केल डिके और स्थानीयकृत स्पैटियोटेम्पोरल मैचिंग में गुणनखंडित करके निरंतर मेमोरी और रैखिक समय सुनिश्चित करता है।

मूल लेखक: Chong Cheng, Peilin Tao, Nanjie Yao, Guanzhi Ding, Xianda Chen, Yuansen Du, Xiaoyang Guo, Wei Yin, Weiqiang Ren, Qian Zhang, Zhengqing Chen, Hao Wang

प्रकाशित 2026-05-25

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chong Cheng, Peilin Tao, Nanjie Yao, Guanzhi Ding, Xianda Chen, Yuansen Du, Xiaoyang Guo, Wei Yin, Weiqiang Ren, Qian Zhang, Zhengqing Chen, Hao Wang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ HorizonStream पेपर का सरल भाषा में अनुवाद दिया गया है, जिसमें रोज़मर्रा के उदाहरणों का उपयोग किया गया है।

बड़ी समस्या: 3D कैमरों की "खराब याददाश्त"

कल्पना कीजिए कि आप स्मार्ट चश्मा पहनकर एक विशाल, अनंत शहर में घूम रहे हैं जो आपके आस-पास की दुनिया का वास्तविक समय (real-time) में 3D मैप बनाने की कोशिश कर रहा है।

चुनौती: जैसे-जैसे आप चलते हैं, चश्मे को यह याद रखने की ज़रूरत होती है कि 10 सेकंड पहले, 10 मिनट पहले और यहाँ तक कि 10 घंटे पहले शहर कैसा दिखता था ताकि वह जान सके कि आप कहाँ हैं।
विफलता: मौजूदा तरीके "खराब याददाश्त" वाले लोगों की तरह हैं।
- "स्लाइडिंग विंडो" (Sliding Window) दृष्टिकोण: यह केवल पिछले 5 सेकंड को याद रखने जैसा है। यदि आप किसी लैंडमार्क के पास से गुजरते हैं और फिर 5 मिनट बाद वापस आते हैं, तो चश्मा कहता है, "मैंने इसे पहले कभी नहीं देखा!" और मैप टूट जाता है।
- "पूर्ण स्मरण" (Full Recall) दृष्टिकोण: यह अपने पूरे जीवन के हर एक विवरण को याद रखने की कोशिश करने जैसा है। अंततः, आपका मस्तिष्क पुराने, बेकार सूचनाओं से इतना भर जाता है कि वह ग्लिच (glitch) करने लगता है, भ्रमित हो जाता है या क्रैश हो जाता है।
- "ड्रिफ्ट" (Drift): लंबी यात्राओं के दौरान, ये सिस्टम धीरे-धीरे भ्रमित हो जाते हैं। उन्हें लगता है कि आप एक घेरे में चल रहे हैं जबकि आप नहीं चल रहे होते, या उन्हें लगता है कि सड़क चौड़ी या संकरी हो रही है। इसे "ड्रिफ्ट" या "जिटर" (jitter) कहा जाता है।

समाधान: HorizonStream

लेखकों ने HorizonStream बनाया है, जो आपके 3D मैप के लिए एक स्मार्ट लाइब्रेरियन (पुस्तकालयाध्यक्ष) की तरह काम करता है। सभी सूचनाओं को एक समान मानने के बजाय, यह समझता है कि अलग-अलग प्रकार की सूचनाओं का "जीवनकाल" (lifespan) अलग होता है।

1. "एविडेंस इन्फ्लुएंस कर्नेल" (Librarian's Rulebook - लाइब्रेरियन का नियम पुस्तिका)

पेपर का तर्क है कि सभी यादें समान नहीं होती हैं।

अल्पकालिक साक्ष्य (Short-lived evidence): जैसे पास से गुजरती हुई एक लाल कार या सड़क पार करता हुआ कोई व्यक्ति। ये चीज़ें तेज़ी से बदलती हैं। आपको इन्हें केवल कुछ सेकंड के लिए याद रखने की आवश्यकता है।
दीर्घकालिक साक्ष्य (Long-lived evidence): जैसे किसी इमारत का आकार, सड़क का लेआउट, या कमरे का कुल आकार। ये घंटों या दिनों तक स्थिर रहते हैं।

पुराने सिस्टम लाल कार और इमारत दोनों के साथ एक जैसा व्यवहार करते थे, जिससे भ्रम पैदा होता था। HorizonStream एक विशेष "नियम पुस्तिका" (Evidence Influence Kernel) का उपयोग करता है ताकि यह तय किया जा सके कि प्रत्येक जानकारी को कितनी देर तक रखना है।

2. दो-भाग वाली मेमोरी प्रणाली (Two-Part Memory System)

HorizonStream अपने मस्तिष्क को दो विशिष्ट टीमों में विभाजित करता है:

"लोकल टीम" (Geometric Local Attention):
- उपमा: यह टीम उस जासूस की तरह है जो आपके आस-पास के कमरे को देख रहा है।
- काम: वे ठीक से पता लगाने के लिए कि आप अभी कहाँ हैं, सूक्ष्म विवरणों (जैसे दीवार में दरार या एक विशिष्ट खिड़की) का मिलान करते हैं। वे बहुत चूजी (picky) होते हैं और किसी भी ऐसी चीज़ को अनदेखा कर देते हैं जो शोर या अविश्वसनीय दिखती है।
- विशेष ट्रिक: वे खराब संकेतों को अनदेखा करने के लिए एक "रिलायबिलिटी गेट" (reliability gate) का उपयोग करते हैं, जिससे कैमरे की हिलती हुई गतिविधियों से सिस्टम भ्रमित न हो।
"ग्लोबल टीम" (Geometric Linear Attention):
- उपमा: यह टीम एक इतिहासकार की तरह है जो पूरे शहर का सारांश रखता है।
- काम: वे हर एक पिक्सेल को याद नहीं रखते। इसके बजाय, वे एक सीमित और घटती हुई मेमोरी बनाए रखते हैं।
- जादू: वे एक "डिके रेट" (decay rate - क्षय दर) का उपयोग करते हैं। कल्पना कीजिए कि पानी की एक बाल्टी है जहाँ से पानी धीरे-धीरे लीक हो रहा है।
  - यदि पानी एक लाल कार का प्रतिनिधित्व करता है, तो बाल्टी में छेद बड़ा है, और वह जल्दी लीक हो जाता है (आप कार को जल्दी भूल जाते हैं)।
  - यदि पानी एक गगनचुंबी इमारत (skyscraper) का प्रतिनिधित्व करता है, तो छेद बहुत छोटा है, और यह लंबे समय तक बना रहता है (आप इमारत को घंटों तक याद रखते हैं)।
- यह सुनिश्चित करता है कि सिस्टम कभी "भर" न जाए (कोई मेमोरी क्रैश नहीं) और कभी बड़ी तस्वीर को न भूले (कोई ड्रिफ्ट नहीं)।

3. "मेट्रिक रीडआउट" (The Ruler - पैमाना)

कभी-कभी, एक कैमरा आपको बता सकता है कि आप कहाँ हैं, लेकिन यह नहीं बता सकता कि चीज़ें कितनी बड़ी हैं। आपको लग सकता है कि एक दरवाज़ा 1 इंच ऊँचा है या 100 फीट ऊँचा।

HorizonStream के पास एक विशेष "रूलर टोकन" (Ruler Token) है जो लगातार ग्लोबल मेमोरी की जाँच करता है ताकि यह सुनिश्चित हो सके कि दुनिया का आकार सुसंगत रहे। यह मैप को चलते समय गलती से छोटा या बड़ा होने से रोकता है।

यह एक बड़ी उपलब्धि क्यों है?

पेपर का दावा है कि HorizonStream एक बड़ी सफलता है क्योंकि:

यह कुशल (Efficient) है: यह मेमोरी की एक स्थिर मात्रा का उपयोग करता है, चाहे आप 100 कदम चलें या 10,000 कदम। यह धीमा या भारी नहीं होता।
यह स्थिर (Stable) है: इसे बहुत छोटे क्लिप्स (केवल 48 फ्रेम लंबे) पर प्रशिक्षित किया गया था, फिर भी यह 10,000 फ्रेम (2 घंटे से अधिक का वीडियो) से लंबी अनुक्रमों (sequences) पर भी पूरी तरह से काम करता है।
यह "ड्रिफ्ट" को ठीक करता है: जबकि अन्य सिस्टम कुछ ही मिनटों के बाद डगमगाने लगते हैं और रास्ता भटक जाते हैं, HorizonStream घंटों तक एक सीधी, स्थिर रेखा बनाए रखता है।

सारांश उपमा

कल्पना कीजिए कि आप शहर में चलते हुए एक नक्शा बनाने की कोशिश कर रहे हैं।

पुराने तरीके या तो कुछ ही ब्लॉक के बाद शहर को भूल जाते हैं या हर पेड़ की हर पत्ती को याद रखने के बोझ तले इतने दब जाते हैं कि वे चित्र बनाना ही बंद कर देते हैं।
HorizonStream एक कुशल मानचित्रकार (cartographer) की तरह है जो जानता है: "मुझे पत्ती को केवल एक सेकंड के लिए याद रखने की ज़रूरत है, लेकिन मुझे पर्वत को हमेशा के लिए याद रखना होगा।" क्या रखना है और किसे जाने देना है, इसे फ़िल्टर करके, यह बिना कभी कागज़ खत्म हुए या थके, एक पूरे महाद्वीप का सटीक नक्शा बना सकता है।

परिणामस्वरूप, यह एक ऐसा सिस्टम है जो वीडियो की अनंत धाराओं (streams) के माध्यम से नेविगेट कर सकता है, एक स्थिर, सटीक 3D दुनिया का निर्माण करता है जो ढहती नहीं, डगमगाती नहीं या खोती नहीं है।

तकनीकी सारांश: HorizonStream

समस्या विवरण

स्ट्रीमिंग वीडियो से ऑनलाइन 3D पुनर्निर्माण (reconstruction) के लिए सख्त कारण संबंधी (causal) और सीमित-मेमोरी बाधाओं के तहत कैमरा पोज़ और दृश्य ज्यामिति (scene geometry) का अनुमान लगाना आवश्यक है। जबकि शास्त्रीय विधियाँ सीमित थ्रूपुट के साथ पुनरावृत्ति अनुकूलन (iterative optimization) पर निर्भर करती हैं, और हालिया ऑफलाइन फीड-फॉरवर्ड विधियाँ भविष्य के फ्रेमों तक पहुँच प्राप्त करके उच्च सटीकता प्राप्त करती हैं, सख्त कारण संबंधी स्ट्रीमिंग विधियाँ लंबी अनुक्रमों (sequences) के लिए संघर्ष करती हैं।

मौजूदा स्ट्रीमिंग आर्किटेक्चर अक्सर जैसे-जैसे अनुक्रम की लंबाई बढ़ती है, ड्रिफ्ट (drift), जिटर (jitter), या कोलैप्स (collapse) से ग्रस्त होते हैं। लेखक इसके मूल कारण के रूप में स्ट्रीमिंग ज्यामिति और वर्तमान आर्किटेक्चरल डिज़ाइनों के बीच एक मौलिक बेमेल (mismatch) की पहचान करते हैं:

अस्थायी विषमता (Temporal Heterogeneity): स्ट्रीमिंग ज्यामिति में ऐसे साक्ष्य (evidence) होते हैं जिनका जीवनकाल बहुत भिन्न होता है। स्थानीय 2D-3D पत्राचार (correspondences) अल्पकालिक होते हैं और जल्दी ही अमान्य हो जाते हैं, जबकि वैश्विक पैमाना (global scale) और दृश्य संरचनाएं स्थायी होती हैं और लंबे क्षितिज (horizons) पर विश्वसनीय रहनी चाहिए।
पैथोलॉजिकल इन्फ्लुएंस पैटर्न (Pathological Influence Patterns): वर्तमान विधियाँ सभी साक्ष्यों पर समान प्रसार नियम लागू करती हैं।
- स्लाइडिंग विंडोज (Sliding windows) कठोर कटऑफ लागू करते हैं, जिससे उपयोगी पिछले साक्ष्य समय से पहले हटा दिए जाते हैं।
- अनगेटेड रिकरेंस (Ungated recurrence) अनबाउंडेड एरर संचय के साथ हेवी-टेल्ड कर्नेल (heavy-tailed kernels) की ओर ले जाता है।
- कॉज़ल सॉफ्टमैक्स अटेंशन (Causal softmax attention) "अटेंशन सिंक्स" (attention sinks) में बदल जाता है, जो अप्रासंगिक शुरुआती टोकन पर ध्यान केंद्रित करता है, जबकि KV कैश रिफ्रेश तंत्र विच्छिन्नता (discontinuities) पैदा करते हैं।
- ये पैथोलॉजिकल कर्नेल जैसे-जैसे अनुक्रम बढ़ता है, कैश सैचुरेशन और गंभीर ज्यामितीय ड्रिफ्ट का कारण बनते हैं।

कार्यप्रणाली: HorizonStream

लेखक HorizonStream का प्रस्ताव करते हैं, जो एक लॉन्ग-होरिज़न ट्रांसफार्मर है जो स्ट्रीमिंग ज्यामिति की अस्थायी विषमता को संबोधित करने के लिए ज्यामितीय साक्ष्य प्रभाव कर्नेल (geometric evidence influence kernel) को स्पष्ट रूप से फैक्टराइज़ (factorize) करता है। यह ढांचा क्रॉस-विंडो संरचना और पैमाने के लिए $O(1)$ ज्यामितीय अवस्था बनाए रखते हुए हाल के $W$ फ्रेमों को कारण संबंधी (causally) तरीके से संसाधित करता है।

1. ज्यामितीय साक्ष्य प्रभाव कर्नेल (Geometric Evidence Influence Kernel)

पुनर्निर्माण प्रक्रिया को एक स्पेसियो-टेम्पोरल कर्नेल $K(t, i)$ के माध्यम से विविध ज्यामितीय साक्ष्य को एकत्रित करने के रूप में औपचारिक रूप दिया गया है, जिसे इस प्रकार फैक्टराइज़ किया गया है:
$K(t, i) = K_{spatial}(t, i) \cdot K_{time}(t, i)$
यह गुणनखंडन विशिष्ट कम्प्यूटेशनल घटकों को स्ट्रीमिंग पुनर्निर्माण की तीन मुख्य आवश्यकताओं से जोड़ता है: विश्वसनीय स्थानीय पत्राचारों का चयन करना, बाउंडेड मल्टी-टाइमस्केल प्रसार सुनिश्चित करना, और मेट्रिक स्केल/पोज़ को संरक्षित करना।

2. ज्यामितीय रैखिक अटेंशन (Geometric Linear Attention - Long-Range Temporal Factor)

$K_{time}$ को मॉडल करने के लिए, लेखक ज्यामितीय रैखिक अटेंशन पेश करते हैं, जो एक बाउंडेड, रिकरेंट ज्यामितीय अवस्था $S_t \in \mathbb{R}^{d \times d}$ बनाए रखता है।

डिस्काउंटेड स्टेट एस्टीमेशन: अवस्था को एक डिस्काउंटेड ऑब्जेक्टिव के माध्यम से अपडेट किया जाता है जहाँ पिछले साक्ष्य का प्रभाव तेजी से घटता है। यह पुराने (stale) सूचना के अनबाउंडेड संचय को रोकता है।
चैनल-वाइज रिटेंशन (Channel-Wise Retention): एक स्केलर रिटेंशन रेट के बजाय, मॉडल एक चैनल-वाइज रिटेंशन वेक्टर $\gamma_t \in (0, 1)^d$ $γ_{t} \in (0, 1)^{d}$ सीखता है।
- लो- $\gamma$ चैनल क्षणिक साक्ष्य (जैसे, स्थानीय पत्राचार) को तेजी से संशोधित करते हैं।
- हाई- $\gamma$ चैनल दीर्घकालिक साक्ष्य (जैसे, दृश्य संरचना, मेट्रिक स्केल) को संरक्षित करते हैं।
- यह प्रभावी मेमोरी लाइफटाइम ( $\tau = -1/\log \bar{\gamma}$ ) का एक निरंतर स्पेक्ट्रम बनाता है, जो बिना किसी आवधिक रीसेट के विंडोज़ के बीच स्थिर प्रसार को सक्षम बनाता है।

3. ज्यामितीय स्थानीय अटेंशन (Geometric Local Attention - Short-Range Spatial Factor)

$K_{spatial}$ को मॉडल करने के लिए, लेखक स्थानीय विंडो ( $W$ फ्रेम) के भीतर ज्यामितीय स्थानीय अटेंशन का उपयोग करते हैं।

हेड-वाइज गेटिंग (Head-wise Gating): प्रत्येक अटेंशन हेड को शोर वाले पत्राचारों को फ़िल्टर करने और अटेंशन सिंक्स को दबाने के लिए एक विश्वसनीयता गेट सौंपा जाता है।
स्पैटियोटेम्पोरल RoPE: रोटरी पोजीशन एम्बेडिंग्स (Rotary Position Embeddings) को तीन अक्षों (समय, ऊंचाई, चौड़ाई) में विस्तारित किया गया है ताकि सापेक्ष 3D स्पेस-टाइम लेआउट को एनकोड किया जा सके, जिससे यह सुनिश्चित होता है कि अटेंशन सापेक्ष ज्यामितीय ऑफसेट्स पर निर्भर है।

4. मेट्रिक रीडआउट टोकन (Metric Readout Tokens - MRT)

मेट्रिक इनवेरियंस बाधाओं को पूरा करने के लिए, मेट्रिक रीडआउट टोकन पेश किए गए हैं। ये टोकन ज्यामितीय रैखिक अटेंशन में भाग लेते हैं और रिकरेंट अवस्था के हाई-रिटेंशन चैनलों से सीधे मेट्रिक स्केल पढ़ते हैं।

एक स्केल हेड एक ग्लोबल स्केल फैक्टर $\hat{s}$ की भविष्यवाणी करता है ताकि ट्रांसलेशन और डेप्थ को री-स्केल किया जा सके।
स्थानीय विंडो में पोज़ टोकन पर रिलेटिव पोज़ फ्यूजन एक सर्वसम्मत पोज़ (consensus pose) का अनुमान लगाता है, जिससे क्रमिक कीफ्रेम चेनिंग से होने वाले एरर संचय से बचा जा सके।

5. आर्किटेक्चर और प्रशिक्षण

बैकबोन: एक ViT-L जो VGGT और DINOv2 से इनिशियलाइज़ किया गया है, जो फ्रेम ब्लॉक्स और ग्लोबल ब्लॉक्स को बारी-बारी से उपयोग करता है। ज्यामितीय रैखिक अटेंशन परतें विशिष्ट गहराई (4, 11, 17, 23) पर इंटरलीव की जाती हैं।
प्रशिक्षण: मॉडल को एक कॉज़ल विंडो का उपयोग करके 48-फ्रेम क्लिप्स पर प्रशिक्षित किया जाता है। इसे पोज़, डेप्थ और स्केल लॉस के साथ सुपरवाइज़ किया जाता है।
वैकल्पिक लूप क्लोजर: एक मॉड्यूल पुन: विज़िट किए गए फ्रेम जोड़ों को प्राप्त करता है ताकि स्थानीय ज्यामितीय सुधारों का अनुमान लगाया जा सके, जिससे पोज़ ग्राफ ऑप्टिमाइज़ेशन के माध्यम से वैश्विक प्रक्षेपवक्र (trajectory) को अनुकूलित किया जा सके।

मुख्य योगदान

स्ट्रीमिंग पुनर्निर्माण का औपचारिकीकरण: यह पेपर लॉन्ग-सीक्वेंस विफलताओं (ड्रिफ्ट, जिटर, कोलैप्स) को पैथोलॉजिकल कर्नेल शेप्स (हार्ड कटऑफ, विच्छिन्नता, अटेंशन सिंक) के रूप में एकीकृत करता है और ज्यामितीय साक्ष्य प्रभाव कर्नेल को एक एकीकृत ढांचे के रूप में प्रस्तावित करता है।
कन्स्ट्रेंड कर्नेल-डिकंपोजिशन आर्किटेक्चर (HorizonStream):
- ज्यामितीय रैखिक अटेंशन: सीखे गए चैनल-वाइज रिटेंशन के माध्यम से विंडोज़ के बीच बाउंडेड, मल्टी-टाइमस्केल प्रसार प्रदान करता है।
- ज्यामितीय स्थानीय अटेंशन: हेड-वाइज गेटिंग और स्पैटियोटेम्पोरल RoPE का उपयोग करके विंडोज़ के भीतर कंटेंट-अवेयर 3D मैचिंग को सक्षम बनाता है।
- मेट्रिक रीडआउट टोकन: हाई-रिटेंशन सबस्पेस से पढ़कर मेट्रिक स्केल और रिजिड पोज़ को सुरक्षित करता है।
सामान्यीकरण और दक्षता: केवल 48-फ्रेम क्लिप्स पर प्रशिक्षित, HorizonStream स्थिर रूप से 10,000 फ्रेम से अधिक के अनुक्रमों तक सामान्यीकृत होता है, जिसमें कांस्टेंट मेमोरी और लीनियर टाइम जटिलता होती है, जो मौजूदा स्ट्रीमिंग विधियों से बेहतर प्रदर्शन करता है।

प्रयोगात्मक परिणाम

विभिन्न डेटासेट्स (KITTI, VBR, Oxford Spires, ScanNet++, Waymo, आदि) पर व्यापक प्रयोग किए गए, जिसमें कैमरा प्रक्षेपवक्र अनुमान (ATE) और डेंस रिकंस्ट्रक्शन (CD, F1) दोनों का मूल्यांकन किया गया।

लॉन्ग-सीक्वेंस स्थिरता: VBR डेटासेट पर (18,846 फ्रेम तक के अनुक्रम), HorizonStream एक औसत ATE के साथ स्थिर प्रक्षेपवक्र बनाए रखता है जो 25.30m (लूप क्लोजर के साथ 18.84m) है, जो अन्य ऑनलाइन विधियों (जैसे, Lingbot-map 27.53m पर, LongStream 77.93m पर) से काफी बेहतर है, जो गंभीर जिटर या कोलैप्स से ग्रस्त हैं।
KITTI प्रदर्शन: KITTI अनुक्रमों (4,661 फ्रेम तक) पर, HorizonStream एक औसत ATE 19.75m (लूप क्लोजर के साथ 16.44m) प्राप्त करता है, जो ऑफलाइन विधियों और ऑप्टिमाइज़ेशन-आधारित SLAM सिस्टमों के करीब या उनसे बेहतर है।
डेंस रिकंस्ट्रक्शन: HorizonStream ETH3D, Oxford Spires, 7Scenes, और TUM RGB-D बेंचमार्क पर स्टेट-ऑफ-द-आर्ट ऑनलाइन रिकंस्ट्रक्शन गुणवत्ता (न्यूनतम CD और उच्चतम F1) प्राप्त करता है।
मेमोरी और समय: प्रतिस्पर्धी विधियों के विपरीत जो सुपर-लीनियर मेमोरी ग्रोथ प्रदर्शित करती हैं या जिन्हें आवधिक कैश रीसेट की आवश्यकता होती है, HorizonStream लगभग स्थिर पीक GPU मेमोरी बनाए रखता है और 10K फ्रेम तक सुचारू रूप से स्केल करता है।

महत्व

यह पेपर दावा करता है कि HorizonStream, ज्यामितीय साक्ष्य की अस्थायी विषमता को स्पष्ट रूप से मॉडल करके वर्तमान स्ट्रीमिंग 3D पुनर्निर्माण आर्किटेक्चर में मौलिक बेमेल को हल करता है। एक बाउंडेड, मल्टी-टाइमस्केल रिटेंशन स्पेक्ट्रम सीखने के माध्यम से, जो फिक्स्ड विंडोज़ या अनबाउंडेड रिकरेंस पर निर्भर है, यह विधि आवधिक स्टेट रीसेट या भविष्य के फ्रेमों तक पहुँच के बिना अल्ट्रा-लॉन्ग अनुक्रमों पर स्थिर, मेट्रिक-कंसिस्टेंट पुनर्निर्माण प्राप्त करती है। यह लंबे क्षितिज वाले परिदृश्यों में रोबोटिक्स और स्वायत्त ड्राइविंग के लिए मजबूत ऑनलाइन 3D धारणा (perception) को सक्षम बनाता है।