L4GM एक बड़ा 4D पुनर्निर्माण मॉडल है जो सिंगल-व्यू वीडियो इनपुट से एनिमेटेड ऑब्जेक्ट्स को तेज़ी से उत्पन्न कर सकता है। यह एक नए प्रकार के डेटासेट का उपयोग करता है जिसमें मल्टी-व्यू वीडियो हैं जो Objaverse में रेंडर किए गए एनिमेटेड ऑब्जेक्ट्स को दिखाते हैं। इस डेटासेट में 44,000 विभिन्न ऑब्जेक्ट्स और 110,000 एनिमेशन शामिल हैं, जिन्हें 48 दृष्टिकोणों से रेंडर किया गया है, जिससे 12 मिलियन वीडियो और कुल 300 मिलियन फ़्रेम उत्पन्न हुए हैं। L4GM पूर्व-प्रशिक्षित 3D बड़े पुनर्निर्माण मॉडल LGM पर आधारित है, जो मल्टी-व्यू इमेज इनपुट से 3D गॉसियन इलिप्सॉइड का आउटपुट उत्पन्न कर सकता है। L4GM प्रत्येक फ्रेम का 3D गॉसियन स्प्लैटिंग प्रतिनिधित्व आउटपुट करता है, और फिर समय सुचारूता प्राप्त करने के लिए इसे उच्च फ्रेम दर तक अपसैंपल करता है। इसके अतिरिक्त, L4GM में समय स्व-ध्यान परतें भी जोड़ी गई हैं ताकि समय में सुसंगतता सीखने में मदद मिल सके, और मॉडल को प्रशिक्षित करने के लिए प्रत्येक समय चरण के मल्टी-व्यू रेंडरिंग लॉस का उपयोग किया जाता है।