💡 站外导读：在数字内容创作、影视特效和虚拟现实领域，如何高效、高保真地重建并生成复杂动态场景，一直是困扰行业的核心痛点。传统方法往往面临数据稀疏下重建质量差、计算耗时长、难以泛化到新场景等挑战。随着AIGC和3D视觉技术的飞速发展，业界对能够统一处理空间与时间维度的智能重建模型需求日益迫切。

4D-LRM（Large Space-Time Reconstruction Model）是Adobe研究公司、密歇根大学等机构的研究人员共同推出的新型4D重建模型。模型能基于稀疏的输入视图和任意时间点，快速、高质量地重建出任意新视图和时间组合的动态场景。模型基于Transformer的架构，预测每个像素的4D高斯原语，实现空间和时间的统一表示，具有高效性和强大的泛化能力。4D-LRM在多种相机设置下均展现出良好的性能，尤其在交替的规范视图和帧插值设置下，模型能有效地插值时间生成高质量的重建结果。

4D-LRM的主要功能

• 高效4D重建：4D-LRM能从稀疏的输入视图和任意时间点，快速、高质量地重建出任意新视图和时间组合的动态场景。在单个A100 GPU上，能在不到1.5秒的时间内重建24帧序列，展现高效性和可扩展性。
• 强大的泛化能力：支持泛化到新的对象和场景。模型在多种相机设置下均展现出良好的性能，尤其在交替的规范视图和帧插值设置下，模型能有效地插值时间生成高质量的重建结果。
• 支持任意视图和时间组合：支持生成任意视图和时间组合的动态场景，为动态场景的理解和生成提供新的可能性。
• 应用广泛：支持扩展到4D生成任务，基于与SV3D等模型结合，生成具有更高保真度的4D内容。

4D-LRM的技术原理

• 4D高斯表示（4DGS）：4D-LRM将动态场景中的每个对象表示为一组4D高斯分布。高斯分布能捕捉对象的空间位置和外观，还能捕捉在时间上的变化。每个4D高斯分布由空间中心、时间中心、空间尺度、时间尺度、旋转矩阵和颜色等参数定义。
• Transformer架构：4D-LRM基于Transformer的架构处理输入图像。输入图像首被分割成图像块（patch），图像块被编码为多维向量，作为Transformer的输入。Transformer基于多头自注意力机制和多层感知机（MLP）处理输入，最终预测出每个像素的4D高斯原语。
• 像素对齐的高斯渲染：4D-LRM用像素对齐的高斯渲染技术，将预测的4D高斯分布投影到图像平面上，基于alpha混合来合成最终的图像。
• 训练和优化：4D-LRM在大规模数据集上进行训练，基于最小化重建图像与真实图像之间的差异优化模型参数。训练过程中，模型学习到的通用空间-时间表示使其能够泛化到新的对象和场景，在稀疏输入条件下生成高质量的重建结果。

4D-LRM的项目地址

• 项目官网：https://4dlrm.github.io/
• GitHub仓库：https://github.com/Mars-tin/4D-LRM
• HuggingFace模型库：https://huggingface.co/papers/2506.18890
• arXiv技术论文：https://arxiv.org/pdf/2506.18890

4D-LRM的应用场景

• 视频游戏和电影制作：高效重建和渲染动态场景，适用角色动画、场景变化等复杂场景的建模，显著提升游戏和电影的视觉效果，支持实时渲染和多视角生成，增强观众的沉浸感。
• 增强现实（AR）和虚拟现实（VR）：为AR和VR应用提供真实、沉浸式的体验，支持实时交互，用户在虚拟环境中自由移动和观察。
• 机器人和自动驾驶：帮助机器人和自动驾驶系统更好地理解和预测环境变化，提供准确的路径规划信息。
• 数字内容创作：减少手动建模和动画制作的工作量，用在视频编辑，提供丰富的编辑选项。
• 科学研究：用在重建和分析生物医学成像数据，如心脏跳动、呼吸运动等，帮助研究人员理解生物体内的动态过程。