محققان در دستاورد جدیدی به سراغ حل یکی از چالشهای اصلی دنیای بینایی ماشین رفتهاند: تبدیل یک تصویر ایستا به یک صحنه پویا و سهبعدی که در طول زمان حرکت میکند (4D).
مدل جدیدی به نام MoGe4D معرفی شده که به جای روشهای مرسوم، صحنهها را به عنوان «مسیرهای چگال نقطهای» در فضای چهاربعدی مدلسازی میکند. این یعنی خروجیها علاوه بر زیبایی بصری، از نظر هندسی و فیزیکی بسیار منسجمتر و دقیقتر هستند.
ویژگیهای کلیدی این دستاورد:
🔹 استفاده از دیتاست عظیم TrajScene-60K برای آموزش دقیقتر.
🔹 حفظ پایداری ساختاری با استفاده از یک ماژول درک حرکت (MPM).
🔹 قابلیت تولید ویدیو با حرکت دوربین دلخواه به لطف ماژول 4D-ViSM.
این فناوری میتواند تحولی بزرگ در صنعت انیمیشن، بازیسازی و تولید محتوای ویدیویی ایجاد کند.
منبع: arXiv Computer Vision