X-AI前沿社
封面、内文图源：AI生成
撰文丨世界赛押注综合
世界赛押注讯，近日，谷歌DeepMind 正式发布D4RT（Dynamic4D Reconstruction and Tracking）—— 一款融合三维空间与时间维度的统一 AI 模型。它的横空出世，直接宣告 AI 视觉迈入 “四维全感知” 时代 ，让机器第一次真正 “看懂” 了这个流动的、动态的世界。
一、告别 “拼图式” 视觉，D4RT 重构 AI 看世界的方式
过去，让 AI 从一段 2D 视频里还原立体动态的现实世界，就像在玩一场复杂的拼图游戏。
工程师需要堆砌一堆模型：有的负责计算物体深度，有的负责追踪动作轨迹，有的负责校准相机视角。这种 “打补丁” 式的技术路线，不仅让 AI 系统臃肿迟缓，更让它对世界的认知支离破碎 —— 就像一个人用无数块碎片拼凑风景，却永远看不到全貌。
而 D4RT 的出现，直接颠覆了这套传统玩法。
它采用了一种极简的 “查询式” 架构 ，把所有复杂任务浓缩成一个核心问题：“视频里的某个像素，在某个特定时间点，从某个特定镜头看过去，到底位于三维空间的哪个坐标？”
简单来说，D4RT 不再逐帧 “看” 视频，而是先将整段视频压缩成一个 “全局场景表征”，再通过时空查询的方式，精准定位每个像素在四维时空中的位置。这种 “指哪打哪” 的操作，让 AI 对世界的认知从 “碎片拼图” 升级成了 “完整建模”。
{{item.content}}