arXiv new + ACM MM 2026; 4D spatiotemporal reasoning · P2 · 2026-07-16

DynTrace：它和通用视觉自监督的关系在于：用 trace tokens 和 geometry-informed priors 让 MLLM 连续跟踪动态对象证据，补视频表征的 4D readout

中高相关；详见方法、贡献和实验边界。

DynTrace: Tracking Dynamic Object Evidence for 4D Spatio-Temporal Reasoning in MLLMs　arXiv new + ACM MM 2026; 4D spatiotemporal reasoning　原文链接

编号2607.12503 优先级P2 类别arXiv new + ACM MM 2026; 4D spatiotemporal reasoning 会议arXiv new + ACM MM 2026; 4D spatiotemporal reasoning 方法用 trace tokens 和 geometry-informed priors 让 MLLM 连续跟踪动态对象证据，补视频表征的 4D readout 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：用 trace tokens 和 geometry-informed priors 让 MLLM 连续跟踪动态对象证据，补视频表征的 4D readout。中高相关；详见方法、贡献和实验边界。

**Figureure 2 · Overview of DynTrace**Figure 2. Overview of DynTrace. Given a video and a language query, DynTrace follows three stages: (1) Dynamic Objects Extraction identifies query-relevant and independently moving instances, producing temporally consistent dynamic masks; (2) Spatio-Temporal Dynamics Encoding lifts tracked instances into a shared world frame to reconstruct Geometry-Grounded Dynamic Evidence, including Object Trajectory, Camera Behavior, and Relation Evolution, from which it derives DTV through World-to-Image Reprojection and converts Dy namic Cues, Trace Evolution, and Key Moments into object-side and relation-side DT-Tokens before organizing them into a DTG; and (3) Representation Integration & Reasoning feeds DTV, DTG, and the query into the target MLLM for 4D spatio-temporal reasoning.这张图概括 DynTrace 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 14 · Additional baseline-versus-DynTrace comparisons on viewpoint-sensitive**Figure 14. Additional baseline-versus-DynTrace comparisons on viewpoint-sensitive motion and metric reasoning questions.这张图/表用于判断 DynTrace 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于：用 trace tokens 和 geometry-informed priors 让 MLLM 连续跟踪动态对象证据，补视频表征的 4D readout。

方法拆解

用 trace tokens 和 geometry-informed priors 让 MLLM 连续跟踪动态对象证据，补视频表征的 4D readout

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。