本文介绍了一种基于3D高斯喷洒法的动态场景重构技术，结合可调整的多层感知器（MLP）模型，实现动态与静态部分的分离。通过自适应窗口采样和自监督一致性损失，提升了场景的时域一致性和可视化质量。研究表明，该方法在动态场景的实时渲染中表现出色，具有高效性和优良的视觉效果。

通过低秩分解和重构技术，提出了一种统一跟踪器Un-Track。该方法通过学习共同的潜在空间来处理任何模态，并且只使用RGB-X对来学习共同的表示。在五个具有不同模态的基准数据集上的比较表明，Un-Track超过了最先进的统一跟踪器和经过模态特定微调的对应物，验证了其有效性和实用性。