Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 17 сентября 2026 года] Название: Can 4D Foundation Models Помните? Вид PDF HTML (экспериментальный) Резюме: Приём и воспоминание визуального мира имеют основополагающее значение для движения и взаимодействия с нашей окружающей средой. Нынешние 4D-образные модели, такие как видеомодели с управлением камерами или 4Д-реконструкции, могут воспринимать и восстанавливать динамическую среду, но насколько хорошо они помнят то, что их восприятие остается открытым вопросом. Существующие контрольные показатели в значительной степени зависят от показателей уровня пикселя и не имеют базовой истины для объектов после того, как они покидают поле зрения, что лишает их возможности оценивать визуальное воспоминание с помощью объектно-ориентированного подхода к ссылкам. Чтобы заполнить этот пробел, мы введем PersistBench — набор данных и метрический пакет, который использует 360° видео как всеохватную истину на земле и предлагает три аспекта оценки: постоянство объекта, непрерывность движения и сохранение внешнего вида. Оценка различных моделей по различным категориям показывает, что нынешние модели могут поддерживать краткосрочную согласованность, которая существенно ухудшается только после того, как объекты выходят из поля зрения. Наши выводы свидетельствуют о разрыве между существующими возможностями модели и надежной визуальной памятью ("вид не вспоминает"), что является руководством для будущей разработки…
Может ли 4D-образец запомнить?
arXiv: 2609.20819v1 Анонимный тип: новое резюме: Приобретение и воспоминание визуального мира имеет основополагающее значение для навигации и взаимодействия с нашей окружающей средой. Нынешние 4D-образные модели, такие как видеомодели с управлением камерами или 4Д-реконструкции, могут воспринимать и восстанавливать динамическую среду, но насколько хорошо они помнят то, что их восприятие остается открытым вопросом. Существующие контрольные показатели в значительной степени зависят от показателей уровня пикселя и не имеют базовой истины для объектов после того, как они покидают поле зрения, что лишает их возможности оценивать визуальное воспоминание с помощью объектно-ориентированного подхода к ссылкам. Для заполнения этого пробела мы введем PersistBench, набор данных и метрический пакет, которые используют 360 видео как всеохватную истину на земле, и предлагаем три аспекта оценки: постоянство объекта, непрерывность движения и сохранение внешнего вида. Оценка различных моделей по различным категориям показывает, что нынешние модели могут поддерживать краткосрочную согласованность только тогда, когда они существенно ухудшаются