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。
Dense 3D tracking from monocular video requires establishing point correspondences over time, estimating their depth, and inferring their trajectories during occlusion. Existing methods typically learn these tasks jointly, a demanding objective given the scarcity of 4D supervision. We show that strong pretrained 2D tra
阅读原文 · Assaf Singer, Maroun Khriesh, Noam Rotstein, Yoni Kasten, Or Litany
向阳乔木 · opencode-go/deepseek-v4.1-flash
单目视频里做稠密 3D 追踪，一直是个被“联合学习”绑住的难题：要让模型同时学会找对应点、估深度、还要在遮挡时推断轨迹。监督信号又特别稀缺，4D 标注成本高得离谱。 ReLift 这篇论文换了个思路。它先把现成的 2D 追踪器和 3D 几何模型拼起来，把 2D 轨迹“抬”到 3D，遮挡段直接插值。作者发现，这种简单拼接出来的 lifted 轨迹，已经能跟同几...