已收录文章摘要，完整内容可前往原文阅读。
论文导读 南洋理工大学、牛津大学提出Gen4P，把预训练视频生成模型改造成读取三维运动的感知器。一段视频经过一次编码后，可以按需查询点轨迹、深度和相机姿态；论文展示了火烈鸟细腿和滑雪动作的追踪，并在