Stream4D:因果 KV-Cache 运动解耦,流式 4D 重建无需训练即支持动态分割
zhenjun_zhao · x · 2026-10-24
论文提出 Stream4D,一种免训练的流式 4D 重建方法,利用因果 KV-Cache 注意力编码时间运动线索。
- 通过运动解耦掩码:query 加载缓存 key/value 计算注意力分数,跨帧聚合时间显著性生成动态掩码,再作用到缓存 key 上,抑制动态区域对历史聚合的干扰
- 在 DAVIS 动态目标分割上大幅超越其他流式方法:DAVIS-2016 J&M 43.39(此前流式最佳 34.91),DAVIS-all 43.06/41.32,并接近甚至超过多个离线方法
- 定性结果显示在遮挡、非刚性运动与快慢速运动下掩码更平滑完整
「研究」频道最新
- Nature 发布个人 AI 健康智能体研究，专家呼吁推进RCT验证 — adnan_hashmi · 2026-10-24
- Pathway 研究者：算力堆不动了，下一跃靠架构与持久记忆 — schwentker · 2026-10-24
- TokenGate 让 LLM 学会略读上下文，prefill 提速最高 11.3 倍 — berkeley_ai · 2026-10-24
- GTP:用生成式规划替代 RL,机器人操作任务在线学习更高效 — du_yilun · 2026-10-24
- 每个好 benchmark 都正在沦为 auto-research agent 的靶子 — maksym_andr · 2026-10-24
- arXiv 审核积压严重：一篇论文 on hold 已超一周半 — iScienceLuvr · 2026-10-24