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

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以明确回答 Gen4P 的 4D 表示具体是哪种形式（点云、深度+位姿、时空特征场）。资料中只给出了任务层面的描述，没有说明内部表示的具体数据结构。资料中能确认的部分：

Gen4P 是一个统一框架，把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1。
它支持灵活的时空采样1，这暗示其输出带有可查询的时空结构，但资料未说明该结构是显式点云、深度图加相机位姿，还是隐式特征场。
评测任务包括 3D 点跟踪、视频深度和相机位姿估计1。其中深度与位姿是分别被评测的输出项，但这只能说明这些量可被预测，不能据此断定 4D 表示就是“深度+位姿”的组合形式。

结论：从摘要看，Gen4P 的 4D 表示至少覆盖几何与运动两类信息，并支持时空采样1；但具体是点云、深度+位姿还是时空特征场，现有资料未作说明，需查阅原文方法章节确认。

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·5 天前