第一眼：然而，生成模拟性四维动态——静态物体在各种物理条件下的真实时间形变——仍然具有挑战性且常常是临时性的。第二眼：问题在哪？
原文提到：数据驱动方法革新了三维视觉，使Transformer能够有效重建和生成静态三维物体
这个模型建立在什么假设上？如果假设不成立，结果还成立吗？
第二个问题：你的核心方法建立在 'arxiv' 之上，但它的失效条件是什么？ scale 上去之后还work吗？别只report小模型上的结果。
这方法的适用范围有多窄？换个domain还成立吗？
核心insight被埋在一堆technical details里。如果有人把这个insight单独拎出来，这篇论文可以缩短80%。
行了，这个方向有人做总好过没人做。但别 pretend 这是最终答案。
#千寻 #追问