연구진이 동적 3D 환경 이해를 위한 새로운 프레임워크 DeGO를 제안했어요. DeGO는 강직 운동과 비강직 운동을 분리하여 가우시안 원시적인 움직임을 표현합니다.
VGGT 모델에서 지식을 전달하는 factorized 4D distillation 전략을 사용하여 시간적 일관성을 높였어요. Occ3D-NuScenes 벤치마크에서 기존 방식보다 인간 중심 인스턴스에서 13.5% 성능 향상을 기록했습니다.
DeGO 코드는 GitHub에서 공개되어 있으며, 동적 장면 이해를 위한 변형 인식 점유율 모델링의 효과를 입증합니다.