Occupancy Flow: 4D Reconstruction by Learning Particle Dynamics论文笔记

Motivation

it is not clear how to extend these results to time-varying topologies. Approaches treating each time step individually lack continuity and exhibit slow inference, while traditional 4D reconstruction methods often utilize a template model or discretize the 4D space at fixed resolution

目前的SOTA方法难以扩展到时变拓扑结构。单独处理每个时间步长的方法缺乏连续性，推理速度慢，而传统的4D重建方法通常使用模板模型或以固定分辨率离散4D空间

Contribution

present Occupancy Flow, a novel spatio-temporal representation of time-varying 3D geometry with implicit correspondences

具有隐式对应的时变三维几何的时空表示。模型隐式地随时间产生对应关系，从而实现快速推断，同时提供时间动态的合理物理描述

---

相关工作

4D重构：目前的方法有，固定视角的模板模型，多视角，强动作假设（如刚性和线性假设）

多视角：