标签
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。