AI 搜索

带引用 · 可溯源

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

范围：站内优先仅站内全网全网通道：bing

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答该问题。资料 1 只提供了 Gen4P 的定性描述，没有给出任何与逐帧优化（per-frame optimization）对比的量化数字。可确认的部分如下：

方法定位：Gen4P 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 1。
任务范围：覆盖 3D 点跟踪、视频深度和相机位姿估计 1。
性能表述：在上述任务上“达到领先水平”，但未给出具体指标数值、精度提升幅度或速度/耗时对比 1。

因此，关于“精度提升多少、速度快多少倍”的具体量化对比，资料 1 中不存在对应数据，无法给出。建议查阅原论文正文中的实验表格（如 3D 点跟踪的 AP/δ 指标、深度估计的 AbsRel、位姿估计的 ATE，以及推理时延对比）。

继续追问

1 条

AI 答案正在检索与综合…

1 条 · 点击可看原文全文与中文译文

行业

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·4 天前