浙大+Robbyant+蚂蚁+港科+港中文这群人（SIGGRAPH Asia 2026，2608.20335）干了个狠活：一段单目手机视频，直接吐出会动的 4D 人。 诀窍在两块拼图。RCP（Reference Context Packing）把参考信息压成 O(1) 常数开销——不管参考多长，算力和它「没关系」；TCR（Target Context Routing）再负责把目标帧精准路由到对应上下文。他们还顺手建了 MVGameHuman 数据集，用 FreeTimeGS 渲染，在 DNA-Rendering、DyMVHumans 上把前辈按在地上摩擦。
补漏：
- 单目视频→4D，省掉多相机/动捕的昂贵管线
- RCP 把上下文成本锁死在 O(1)，长序列不再爆炸
- TCR 解决「哪一帧该看哪段参考」的路由问题
- MVGameHuman 补足游戏化人体动态数据缺口
- FreeTimeGS 让时序一致性不再靠后处理硬补