Gen4P：将视频生成器重构为无需迭代去噪的4D感知框架

发生了什么

据arXiv cs.CV论文，研究者引入Gen4P框架，将预训练视频生成器重构为无需迭代去噪的前馈4D感知器。该框架通过单次编码器传递处理干净视频潜在变量，并通过轻量级交叉注意力解码器预测4D属性。通过结合预训练视频深度LoRA作为冻结几何先验，Gen4P在3D点跟踪、视频深度和相机姿态估计任务上达到最先进或竞争性性能。