Gen4P：视频生成器用于4D感知

2026年10月16日，arXiv Computer Vision 报道了 Yitong Xia、Zeren Jiang、Chuanxia Zheng 提出的 Gen4P，一个从单目视频恢复 4D 几何与运动的统一框架。据该报道，Gen4P 可将预训练视频生成器改造成无需迭代去噪的前馈 4D 感知器：通过单次编码器处理干净视频 latent，并用轻量级交叉注意力解码器预测所需 4D 属性；连续时间查询带来时间灵活性，还以冻结的预训练 video-depth LoRA 作为几何先验。报道称 Gen4P 在 3D 点跟踪、视频深度和相机位姿估计任务上达到 SOTA 或具竞争力表现。目前尚无后续跟进报道，事件进展以该篇报道为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。