arXiv · 机器人与计算机视觉· Rongxin Gao, Dongxuan Liu, Chu Li, Chengyang Ji, Jialing Huang, Runyu Chen, Kairun Wen, Chenxin Li, Jingrui Ye, Haosong Zhen, Xinghao Ding, Yue Huang, Yuzhi Huang, Xiaodong Tu, Jingyan Jiang·· 2 天前AI 评分42
Pros4D:在潜在空间建模演化的 4D 世界以支持动态空间推理
Pros4D: Modeling Evolving 4D Worlds in Latent Space for Dynamic Spatial Reasoning
AI 导读
Pros4D 框架通过潜在空间统一观测动力学理解与未来动力学预测,解决现有视觉语言模型难以处理连续动态变化的局限。该方案利用几何 grounded 监督构建配对示例,将观测状态压缩并自回归推演至未来状态,同时通过 4D Latent Alignment 进行视觉语义与几何配准。实验在涵盖动态相机、物体及场景的八类空间任务基准上,均展现出优于强基线的一致性能提升。
来源:arXiv · 机器人与计算机视觉 · arxiv.org