Uni4R：结合最优传输与 ODE 实现连续 4D 重建与追踪
zhenjun_zhao · x · 2026-08-13
现有的 4D 重建和点追踪方法多依赖启发式插值或仅预测整数时间戳，缺乏运动学一致性。本文提出了 Uni4R 框架，通过结合最优传输（OT）和常微分方程（ODE）来学习连续速度场，统一了这两项任务。
- 核心机制：连续速度场作为运动学先验，同时惠及 4D 重建和点追踪。
- FMGD 解码器：提出流匹配引导解码器。全局速度分支提取捕捉全局动态的锚点特征；利用流匹配理论构建由 OT 定义在锚点流形上的概率路径，作为速度预测的特征。
- 训练策略：为了解决分数帧中缺乏真实速度数据的问题，提出了插值策略进行有效训练。
所属事件:Uni4R框架结合最优传输与ODE统一4D重建与追踪(2 条相关)→
「研究」频道最新
- Anthropic内部模型破解668阶矩阵，AI正拉大研究差距 — Luuigi · 2026-08-13
- DeepMind 论文：LLM 能推导相对论，但无法凭空「发明」它 — rohanpaul_ai · 2026-08-13
- GitHub超千星项目：从零到RAG与OCR的AI工程实战指南 — tom_doerr · 2026-08-13
- 贝叶斯强化学习新方法：参数空间探索提升 LLM 训练稳定性 — BayesRL · 2026-08-13
- AI Agent 也会感染“丧尸病毒”？Anthropic 揭示思维传染与变异机制 — 量子位 · 2026-08-13
- Manifold平台发布：机器人研究评估提速，月实验一周完成 — ZeYanjie · 2026-08-13