以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
π^4 is a unified foundation model for 4D scene perception. From diverse, uncalibrated RGB observations in the wild---a single image, an unordered collection, or a video sequence---it recovers dense geometry, camera poses, and metric scale, together with 2D/3D point tracks and moving-object masks for multi-image inputs.
阅读原文 · Yifan Wang, Weiguang Zhao, Ni Yang, Haoyu Guo, Junting Dong, Weinan Zhang, Chunhua Shen
向阳乔木 · opencode-go/deepseek-v4.1-flash
从任意一组没标定过的图片里,一次前向就还原出场景几何、相机位姿、尺度、点轨迹和运动物体,这是 π^4 想做的事。 它值得看的地方在于“统一”和“小”。几何和运动原本常被拆成两条流水线,各自训练、各自推理,π^4 用一个共享骨干把两者接起来, 全系统约 0.5B 参数,摘要说不到多数基线的一半 。对做 3D 重建、视频理解、机器人感知的读者来说,这个体量意味着...