Newest papers

Stream4D: Streaming 4D Reconstruction with Training-free Motion Decoupling via Causal KV-Cache Attention

Wei Zhang, Ying Feng, Mengtong Wu, Shiqiang Gong, Huaqi Zhang, Qi Zhang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31320 · open-access PDF

Arabic

إن إعادة بناء السيناريو 4D يتطلب معالجة قوية للأشياء الديناميكية، لكن طرق التلفزيون الموجودة غالبا ما تتخذ السيناريوهات الديناميكية، مما يؤدي إلى تدمير الوجه والإنجازات السيناريوية على مدى سلسلة طويلة. نحن نقدم Stream4D، وهي إطار إعادة بناء السيناريوهات الدبلوماسية المزدوجة التي يمكن تدميرها بشكل مباشر في طبقات Transformer الحاسوبية (على سبيل المثال، StreamVGGT، Stream3R).

Machine translation (Meta M2M100); the English original follows.

Abstract

4D scene reconstruction requires robust handling of dynamic objects, yet existing streaming methods commonly assume static scenes, leading to pose drift and ghosting artifacts over long sequences. We introduce Stream4D, a training-free, motion-decoupled streaming reconstruction framework that can be directly integrated into causal Transformer backbones (e.g., StreamVGGT, Stream3R). Our key observation is that causal attention implicitly encodes rich temporal motion cues within the KV cache. We adaptively aggregate these cues from multiple attention layers and across temporal windows, and fuse

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange