arXiv · 机器人与计算机视觉· Boxue Yang, Chaoyue Li, Shengyao Zhou, Rui Qian, Haoyang Wu, Shaoqiu Zhang, Linfeng Zhang·· 2026-10-15AI 评分72
4DVLT:基于世界线的动态场景理解与视觉语言追踪
4DVLT: Dynamic Scene Understanding with Worldline-Centered Vision-Language Tracking
AI 导读
该论文介绍4DVLT,一种离线校准的多视角任务,旨在统一实体定位、度量3D空间与同步2D追踪,通过世界线绑定身份、运动、可见性与观测。作者构建了Instruct-4D数据集(含12.9万问答对等)并提出4DTrack模型,在查询条件推理下达到55.18 WQS分数,超越最强适配基线33.01分并提升定位与轨迹质量。材料为arXiv预印本,未提及同行评审状态或真实部署结果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org