L4GM es un modelo de reconstrucción 4D a gran escala que puede generar rápidamente objetos animados a partir de una entrada de vídeo de vista única. Utiliza un novedoso conjunto de datos que contiene vídeos multivista que muestran objetos animados renderizados en Objaverse. Este conjunto de datos incluye 44.000 objetos diferentes y 110.000 animaciones, renderizados desde 48 perspectivas, generando 12 millones de vídeos con un total de 300 millones de fotogramas. L4GM se basa en el modelo de reconstrucción 3D a gran escala preentrenado LGM, capaz de generar elipsoides gaussianos 3D a partir de entradas de imágenes multivista. L4GM genera una representación de dispersión gaussiana 3D para cada fotograma, que luego se sobremuestrea a una frecuencia de fotogramas más alta para lograr una suavidad temporal. Además, L4GM añade una capa de autoatención temporal para ayudar a aprender la coherencia temporal y utiliza una pérdida de renderizado multivista para cada paso de tiempo para entrenar el modelo.