4DGS-JEPA：为动态高斯泼溅引入时序可组合预测架构

动态高斯泼溅（Dynamic Gaussian Splatting，简称 4DGS）能够以显式方式表达随时间演化的 3D 场景，但现有工作大多聚焦于重建、未来帧生成或高质量渲染，而非学习可复用的动力学。近日发表于 arXiv 的论文《4DGS-JEPA》提出，将联合嵌入预测架构（JEPA）的思路引入动态高斯泼溅领域，从而让模型在潜空间中学习 3D 世界的可预测动力学，而非仅仅记忆像素外观。

核心思路：时序可组合的潜空间预测

论文的核心原则被作者概括为「时序组合（temporal composition）」：当不同的时序转移路径抵达同一个未来时间点时，它们所产生的预测潜状态应当彼此兼容，而不是因路径选择不同而出现显著分歧。为支撑这一性质，作者设计了一个层级化表征：

• 场景级（scene-level）：全局上下文；
• 运动组级（motion-group-level）：将高斯按运动一致性分组；
• 高斯级（Gaussian-level）：最细粒度的个体单元。

在此之上，模型引入一个「步长条件（horizon-conditioned）的转移算子」，同时支持直接预测与递归式多步展开（rollout）。

监督信号与几何一致性

为了让学到的动力学真正可预测未来，而非只还原已有观测，作者采用了端点监督与多步路径监督：

• 端点监督：将模型潜状态锚定到未来时刻的目标嵌入；
• 路径监督：约束不同路径到达同一终点时的潜空间一致性；
• 选择性几何解码器：在不要求完整重建未来外观的前提下，仅解码出与运动组和高斯几何相关的物理一致结构，使学习到的动力学被几何层面的组合性所约束。

此外，论文还提出一种「混合对应机制」，在保持持久规范身份（persistent canonical identity）的同时，叠加基于最优传输的残差匹配，以应对高斯在时间维度上的重排与拓扑变化。

理论分析与实验验证

在理论层面，作者刻画了「零损失路径一致性（zero-loss path agreement）」与「有限误差的递归展开累积」，为多步预测提供了误差传播层面的形式化保证。

在实验层面，论文设置了三个受控实验，分别给出机制层面的证据：

• 时序组合有效降低了潜空间对路径选择的依赖，同时不损害预测精度；
• 几何级组合提升了解码运动的跨时间一致性；
• 混合对应机制在身份明确时保持可靠匹配，在对应变得模糊时仍具有鲁棒性。

定位与意义

4DGS-JEPA 的目标并非生成像素级的精美未来画面，而是构建一种「可预测、可组合」的动态高斯世界表征。论文强调，该架构提供的是一种面向预测的、时序组合式的世界模型公式化表达，可作为后续在动态 3D 场景中进行规划、决策与因果推理研究的基座。

论文编号为 arXiv:2609.25036v1，所属分类为 cs.AI，目前为预印本版本，相关完整 benchmark 与定量对比有待全文与后续工作进一步披露。