arXiv · 机器人与计算机视觉· Yitong Xia, Zeren Jiang, Chuanxia Zheng·· 2026-10-16AI 评分72
Gen4P:将视频生成器转化为 4D 感知器
Gen4P: Video Generators are 4D Perceivers
AI 导读
论文介绍 Gen4P 统一框架,利用预训练视频生成器无需迭代去噪即可从前馈方式恢复 4D 几何与运动。通过按需查询和连续时间查询实现灵活采样,并引入冻结的视频深度 LoRA 作为几何先验增强性能。在单目视频上实现了 3D 点跟踪、视频深度估计和相机姿态估计的最先进或竞争性表现,展示了生成式预训练在统一 4D 感知中的潜力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org