**Foundation4D：首个统一自动驾驶感知与重建模型，实现多模态任务协同优化**

_Foundation4D: Towards a unified perception and reconstruction model for autonomous vehicles_

> 论文提出 Foundation4D，这是一个基于多摄像头驾驶视频的端到端前馈模型，能够统一完成几何估计、3D 检测、语义占用及高斯重建。该模型采用共享骨干网络与因子化时空注意力机制，并通过姿态图优化和轨迹组装提升推理效率。作者发布了包含 1,253 个驾驶片段标注的 PAI-Foundation4D 基准数据集，实验表明该模型在深度估计、目标检测和语义占用等任务上均达到当前最优性能，且联合训练检测与几何/占用任务可显著提升模型效果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.30340)