行业
Gen4P 用视频生成器实现单目4D感知
Gen4P 提出统一框架,将预训练视频生成器改造为前馈式4D感知器,无需迭代去噪,单次编码即可从单目视频恢复4D几何与运动,并支持灵活时空采样。在3D点跟踪、视频深度和相机位姿估计上达到领先水平,展示了视频生成预训练用于统一4D感知的潜力。
行业落地·Hugging Face Papers·5 天前
先用站内已采集内容作答;站内不足时联网检索,每条结论都给出来源链接
1 条 · 点击可看原文全文与中文译文
Gen4P 提出统一框架,将预训练视频生成器改造为前馈式4D感知器,无需迭代去噪,单次编码即可从单目视频恢复4D几何与运动,并支持灵活时空采样。在3D点跟踪、视频深度和相机位姿估计上达到领先水平,展示了视频生成预训练用于统一4D感知的潜力。
结论:现有资料只能确认 Gen4P 采用「无需迭代去噪、单次编码」的前馈式路线,并在 3D 点跟踪、视频深度和相机位姿估计上达到领先水平;但资料没有给出与迭代去噪方法在精度上的具体对比数据,因此无法量化「精度取舍」。 可确认的部分:
无法回答的部分:
建议:如需判断取舍,需要查阅原论文中的消融实验与基线对比表格。