4DVLT多视角动态场景理解任务与4DTrack方法

2026年10月15日，arXiv Computer Vision 刊出研究，作者 Boxue Yang 等提出 4DVLT——一个离线标定的多视角任务，通过世界线绑定身份、运动、可见性与观测，统一度量 3D 与同步 2D 跟踪中的 grounding。配套数据集 Instruct-4D 含 129.4K QA 对、64.7K 目标、851 个场景和 9 种推理类型。方法 4DTrack 在 4D 状态图上做查询条件推理，达到 55.18 WQS，超过最强适配 VLT 基线 33.01 分。目前进展为任务、数据集与方法一并发布，尚无后续跟进报道。

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。