/ Модель

Характеристики

Лицензия
MIT
Опубликована
14 мая 2026

nopo4d

Языковая модель3 профессии

NoPo4D реконструирует динамические 4D-сцены из видео с нескольких ракурсов без известных поз камер.

8 534скачиваний за 30 дней2лайкавеса обновлены28 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NoPo4D — система прямого 4D-реконструирования динамических сцен из видео с нескольких ракурсов, разработанная авторами работы Feed-Forward Dynamic 4D Gaussian Splatting from Unposed Multi-View Videos. Она восстанавливает сцену за один проход, не требуя заранее известных поз камер. Для представления использует динамические 3D Gaussian Splatting и разложенное представление скорости: смещения в плоскости изображения и изменения глубины. Двунаправленный кодировщик движения объединяет признаки между ракурсами, а зависимая от ракурса прозрачность помогает справляться с несовпадением гауссиан между кадрами.

Модель предназначена для реконструкции меняющихся во времени сцен по многокамерным видео, включая случаи с неизвестными параметрами камер. По README, система превосходит предыдущие прямые методы на нескольких наборах данных; дополнительная оптимизация для отдельной сцены может повысить качество ценой дополнительного этапа. Для запуска требуются компоненты из репозитория проекта, включая backbone Depth Anything 3 и, опционально, torch-scatter. Лицензия — MIT. Метаданные помечают задачу как image-to-3d, хотя README описывает реконструкцию 4D-сцен из видео.

Сценарии применения

  • 4D-реконструкция динамической сцены по многокамерному видео
  • восстановление геометрии и движения объектов при неизвестных позах камер
  • создание динамических Gaussian Splatting-сцен для визуализации
  • реконструкция сцен из экзокамерных и иммерсивных видеоданных

Ограничения

Модель описана для динамических сцен, снятых с нескольких ракурсов; данные о качестве на других типах входа не приведены. Для установки нужны дополнительные компоненты проекта, включая Depth Anything 3; постоптимизация выполняется отдельным этапом.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NoPo4D: No Pose, No Problem in 4D

Feed-Forward Dynamic 4D Gaussian Splatting from Unposed Multi-View Videos

Project Website Paper GitHub Repo

This work presents NoPo4D, the first feed-forward system that jointly addresses dynamic content, multi-view input, and unknown camera poses in a single pass. In pursuit of pose-free 4D reconstruction, NoPo4D yields two key insights:

  • 💎 A decomposed velocity representation splits Gaussian motion into per-pixel image-plane shifts and depth changes. This allows direct supervision from 2D optical flow, obviating the need for complex 3D motion ground truth or differentiable rendering.
  • ✨ A bidirectional motion encoder paired with view-dependent opacity effectively aggregates cross-view features and mitigates cross-timestep Gaussian misalignments.

🏆 NoPo4D consistently outperforms prior feed-forward baselines across four multi-view dynamic benchmarks (ExoRecon, Immersive Light Field, Kubric, and N3DV). With an optional post-optimization stage, it surpasses per-scene optimization methods while running orders of magnitude faster.

Quick Start

For full installation instructions (including the custom Depth Anything 3 backbone and optional torch-scatter), please refer to the NoPo4D GitHub repository.

Once the dependencies are installed, you can use the model directly from the Hugging Face Hub via our Python API:

import torch
from src.model.nopo4d import NoPo4D

# Load pretrained model from Hugging Face
model = NoPo4D.from_pretrained("bralani01/nopo4d")
model = model.to("cuda").eval()

# Define your inputs
# images:     (B, V, 3, H, W)  — camera-major order
#             V = num_cameras * num_frames
#             e.g. 2 cameras x 3 frames -> [cam0_t0, cam0_t1, cam0_t2, cam1_t0, cam1_t1, cam1_t2]
# timestamps: (B, V) in [0, 1] — same layout as images; pass None for static scenes

# Run the Encoder
encoder_output = model(
    images=images,
    timestamps=timestamps,
    num_cameras=num_cameras,
)
# encoder_output.gaussians     — 4D Gaussian primitives
# encoder_output.camera_pose   — predicted extrinsics / intrinsics
# encoder_output.depth         — per-view depth maps
# encoder_output.optical_flow  — per-view forward / backward flow

# Render Novel Views
render_output = model.render(
    gaussians=encoder_output.gaussians,
    extrinsics=target_extrinsics,    # (B, V, 4, 4)  c2w matrices
    intrinsics=target_intrinsics,    # (B, V, 3, 3)  normalised intrinsics
    image_shape=(H, W),
    timestamps=target_timestamps,    # (B, V) or None
)
# render_output.color: (B, V, 3, H, W)
# render_output.depth: (B, V, H, W)

Citation

@misc{balice2026poseproblem4dfeedforward,
      title={No Pose, No Problem in 4D: Feed-Forward Dynamic Gaussians from Unposed Multi-View Videos},
      author={Matteo Balice and Yanik Kunzi and Chenyangguang Zhang and Matteo Matteucci and Marc Pollefeys and Sungwhan Hong},
      year={2026},
      eprint={2605.22190},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2605.22190},
}

License

The code and models are licensed under the MIT License.

Acknowledgement

We thank the authors of these excellent works:

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
21791fb

0 моделей