深度分析 Cross4D‑JEPA 利用稠密跨模態蒸餾提升 4D 點雲表示學習效能 隨著動態4D點雲在機器人感知中的重要性提升，研究提出Cross4D-JEPA以密集跨模態對應將2D基礎模型蒸餾至4D點編碼器，透過每點投影特徵、無遮蔽、無負樣本的目標訓練，實驗在MSR-Action3D與HOI4D基準上均超越內模與全局跨模方法，且在相同訓練預算下提升標籤效率，參數僅為傳統骨幹的1/13。
