4D-LRM：从任意视角与时刻到任意视角与时刻的大规模时空重建模型

基于摘要分析。该研究针对动态对象的 4D 重建：如何从若干时刻、少量视角的图像学习统一时空表示，并渲染任意新视角与时刻的组合。作者提出 4D-LRM，通过大规模时空预训练，将跨时间、带相机位姿信息的图像 token 直接映射为逐像素 4D Gaussian 基元，以前馈预测替代逐实例优化式重建。 核心机制是将空间视角与时间信息纳入统一表示，再利用预测的 4D Gaussian 基元完成新视角、新时刻渲染。输入视角和时间戳不要求固定，但摘要中的“任意”不应理解为已验证所有观测条件；其输入仍包含相机位姿信息。作者称该方法区别于既有优化式、几何式和生成式方案，旨在兼顾效率、泛化与重建忠实度，具体网络结构、训练目标与对照设置尚未验证。 作者报告，模型能够泛化至新对象、执行时间插值，并适应多样相机设置；在单张 A100 GPU 上，单次前向传播重建一个 24 帧序列耗时少于 1.5 秒。摘要未提供该计时对应的图像分辨率、输入观测数量、预处理与渲染开销边界，也未给出重建质量指标。文中“原则上无限帧率”描述的是任意时间渲染能力，不等同于实测无限吞吐率。 预训练数据来源与规模、训练及测试划分、基线比较、消融及统计信息尚未验证；仅凭摘要也无法确认代码、权重及完整复现条件。主要研究对象是视觉动态对象重建，材料未提供 EEG/BCI 任务或具体机制对应关系，因此不据此提出迁移效果或复现实验建议。