几何基础模型（ GFM ）具有相当先进的单目3D重建，但是将这种能力扩展到4D动态理解仍然是一个根本性的挑战。大多数现有的运动感知方法（例如，稀疏跟踪、密集的逐点流动）将运动视为独立的逐点位移，忽略了物理运动的结构化本质。然而，真实世界的对象

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.22534v1)获取最准确的信息。

---
🔗 **原文链接**: [SM4RT: Learning Structured Motion Geometry for 4D Reconstruc](https://arxiv.org/abs/2607.22534v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Shing Ho J. Lin, Wenzhao Zheng, Dong Zhuo, Yuqi Wu, Jie Zhou, Jiwen Lu

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-27 14:01