動画から“動く3D世界”を軽く復元する研究がCVPR 2026最優秀論文に

CVPR 2026でBest Paperに選ばれた「Efficiently Reconstructing Dynamic Scenes One D4RT at a Time」は、動いている現実の風景を動画から4Dで復元する研究です。

Computer Vision Foundationの発表によると、Google DeepMind、UCL、Oxfordのチームが開発し、2026年のCVPRでは16,092本の投稿から4,089本が採択され、その中の最優秀論文に入りました。

D4RTは、深さ、時間をまたいだ対応関係、カメラ情報を1つのTransformer系アーキテクチャで推定し、空間と時間のどの点に何があるかを効率よく調べられるのが特徴です。難しい言い方をやめると、動画を見せると動く世界の3D地図と動き方をかなり軽く作れる研究です。これはロボット、AR/VR、自動運転、映像編集などで重要です。

一般ユーザーにも、将来の空間認識AIや動画理解AIの精度向上として返ってくる可能性があります。ただし出典はCVPR公式の受賞紹介で、今すぐ使える製品の発売告知ではありません。受賞は6月5日のWelcome and Awards Ceremonyで発表され、翌6日の会合でも紹介されました。