4D世界模型的训练一直受困于高昂的数据采集成本。NeoVerse的出现打破了这一瓶颈，它创新性地利用互联网上海量的单目视频进行训练，无需复杂的相机位姿，极大地降低了4D内容生成的门槛，为通过海量数据驱动模型能力跃升提供了全新可能。
智能速览
数据采集的“贵族游戏”曾是4D模型发展的最大瓶颈。
NeoVerse可直接从单目视频重建动态4D场景，无需相机位姿。
在线退化模拟技术让模型学会自我修正，生成高质量新视角。
双向运动编码确保动态物体的时空变化捕捉更稳定细腻。
该技术推动了4D世界模型从实验室走向互联网数据驱动的范式转移。
精华内容
面对4D数据匮乏的困境，NeoVerse如何另辟蹊径，用最常见的单目视频撬动整个世界模型的研究范式？其核心技术路径揭示了一种新的可能性。
4D数据之困
传统的4D数据采集堪称“贵族游戏”，需要依赖昂贵且复杂的多相机系统，并对场景有静态要求。这种高门槛导致数据量难以规模化，极大地限制了4D世界模型的发展，使其无法像大型语言模型那样通过海量数据的投喂实现能力的涌现。数据，而非算力，成为了制约进步的关键。
无姿态重建
NeoVerse的核心突破在于实现了Pose-Free（无姿态）的4D生成。借助VGGT技术，它可以直接从互联网上随手可得的普通单目视频中重建出动态的4D高斯场。这意味着整个过程不再需要复杂的离线预处理来计算相机位姿，不仅训练速度大幅提升，也意味着海量的、结构杂乱的网络视频都能成为有效的训练数据。
自我修正机制
如何仅凭单视角就生成高质量的多视角视频？NeoVerse引入了“在线单目退化模拟”机制。在训练过程中，模型会主动模拟因视角变化可能产生的画面模糊与伪影，并学习如何修正这些缺陷。这种“脑补”式的训练，倒逼模型掌握了从有限视角推断完整场景的能力，从而生成清晰、稳定的新视角画面。
时空动态稳定
为了让场景中的动态物体在运动中不出现撕裂或形变，NeoVerse采用了双向运动编码。该技术将前向与后向的特征进行融合，让模型在分析当前帧时能同时参考过去和未来的运动信息。这确保了模型对物体时空变化的捕捉更为精细和连贯，生成的动态效果既真实又稳定。
NeoVerse的意义远不止于一个新模型，它预示着4D世界模型研究范式的转移。通过解锁互联网上无穷尽的视频数据，通往更强大、更通用世界模型的道路已被铺开，未来的数字世界或许就蕴藏在海量的视频之中。
