无姿态、无问题的 4D：从未标记的多视角视频获取前馈动态高斯

最近的 feed-forward 3D 高斯溶解方法在 3D 场景重建的各个方面取得了显著进展，但尚无方法在单一的 feed-forward pass 中同时处理动态内容、多视角输入和未知相机姿态。处理动态的要么需要准确的相机姿态，要么只接受单目输入；姿态自由的多视角方法仅处理静态场景；而以场景为单位的优化方法则在每个场景上耗时从分钟到小时。我们引入 NoPo4D，是首个解决这一空白四象限的 feed-forward 系统。基于预训练的几何 backbone 和最近的 4D 高斯框架，NoPo4D 引入了速度分解，将高斯运动分为像素图像平面位移和深度变化，允许直接来自伪 ground-truth 光流的 2D 成分监督。这绕过了将先前姿态方法与姿态精度耦合的可微渲染，以及先前姿态自由方法所需的 3D 运动 ground truth。系统还包括双向运动 encoder 用于跨视角和跨帧特征聚合，以及视角依赖不透明度以缓解跨视角和跨时间步高斯错位。 在四个多视角动态基准数据集上，NoPo4D 持续优于先前的 feed-forward baseline，并通过可选的后优化阶段超越以场景为单位的优化方法，同时运行速度快了数量级。