d4rt

D4RT 是一个基于深度学习的动态场景四维重建模型实现，旨在高效从视频序列中重建随时间变化的三维点云结构。项目采用注意力机制与流匹配（flow-matching）技术，支持可变长度视频输入、时空坐标查询及相机时间建模，具备处理动态物体运动与几何变化的能力。核心特点包括对4D时空数据的端到端建模、轻量级编码器-解码器架构设计，以及对稀疏空间-时间查询的鲁棒预测能力。适用于机器人视觉感知、具身AI中的场景理解、视频驱动的3D重建及动态SLAM等需要时空一致几何推理的研究与应用领域。