4d-reconstruction

OuroWorld 是一个无掩码框架，可将任意静态 3D Gaussian Splatting 场景转化为 3D 动态摄影（cinemagraph）：一个具有生动多样运动、从任意视角均可无缝循环的动态场景。它利用视觉语言模型推断合理的动态并引导视频模型合成参考视频，随后将其提升并补全为多视角视频。为从这种不完美的监督中学习，作者提出了 Inconsistency-Robust Periodic 4DGS：傅里叶级数形变场从结构上保证循环性，而锚定于参考视角的 Grounded Drift Field 则吸收跨视角的不一致性。与局限于流体式运动的既有欧拉方法不同，该方法能够捕捉一般形变、物体运动和光照变化。作者还引入了一套无需真值的评估体系，涵盖生动性、自然度、循环接缝连贯性和场景质量。在 39 个重建与生成场景上，OuroWorld 优于所有基线，并在用户研究对比中以 70.8%-99.0% 的胜率胜出。项目主页：https://ouroworld.userwei.com

Stream4D通过引入动态4D重建奖励和运动先验来增强流式自回归扩散视频模型，以保持连贯运动并减少几何漂移。

4DAnyone通过生成多视角一致视频并将其提升到4D高斯溅射，从单目视频重建4D人物，并使用参考和目标上下文设计来解决扩展瓶颈。

ReViV是一个统一的整体性第一人称4D重建框架，它通过掩码生成式第一人称Transformer，从单目RGB视频中同时重建观看者（身体、手、视线）和场景（深度、相机轨迹）的动态，实现了最先进的准确性和效率。

提出StudioRecon，一种从低重叠相机拍摄中进行4D人体-场景重建的方法，使用背景（视频扩散）和人体（SMPL）的独立先验，并带有递归增强模块。已被SIGGRAPH 2026接收，在PSNR上超越先前方法+1.5至+5.0 dB。

Lift4D是一个测试时优化框架，能够从单目野外视频中重建动态物体的完整4D几何、外观和形变，在具有遮挡和非刚性运动的挑战性序列上优于先前方法。

Multi4D 提出了一种用于动态三维高斯泼溅的多级竞争分配框架，它平衡了运动一致性与视觉保真度，实现了最先进的渲染质量和实时性能。

DeepMind 推出 D4RT，一个统一的 AI 模型，用于动态 4D 场景重建与追踪，效率较此前方法提升高达 300 倍。该模型采用基于查询的 Transformer 架构，为机器人技术与 AR 应用解决复杂的空间和时序任务。