深度分析
HAT-4D 以互動知識圖譜結合 SAM3D 與 L4GM 實現單目影片 4D 多物件重建
隨著單目影片成為取得真實互動資料的主要來源，研究者提出 HAT-4D 框架，結合視覺語言模型與多層次人機回饋，從單一影片重建多物件的 4D 互動，並以 MVOIK-4D 基準驗證其在物理合理性與時間一致性上的優勢。系統透過互動知識圖譜捕捉長期動態，並以記憶導向的 4D 傳播提升時序一致性，在 77 個任務、112 種場景上取得領先表現。
4D 重建
深度分析
FreeOrbit4D：以幾何完整 4D 代理實現單鏡頭任意攝影機導向
單鏡頭影片重定向面臨視角缺失與幾何模糊問題。FreeOrbit4D提出訓練免疫框架：先於全域場景空間重建靜態背景與可見前景，再於物件典範空間以多視角合成補全前景幾何，藉密集像素對齊統一為幾何完整的4D代理，並在大角度軌跡下維持時間與幾何一致性。
DINO_4D
DINO_4D：結合 DINOv3 語意先驗的動態 4D 重建框架
4D動態場景重建是連接幾何感測與語意理解的關鍵。DINO_4D以凍結的DINOv3特徵作為結構先驗，注入語意感知，降低追蹤漂移。實驗顯示在PointOdyssey與TUM‑Dynamics基準上，追蹤精度與完整度皆顯著提升。