S4VY는 NVIDIA Research 연구진이 공개한 프롬프트 기반 인스턴스 분할 모델로, 피드포워드 4D 시각 기하 위에서 동작한다. LoRA로 조정한 VGGT-Ω 백본에 쿼리 기반 디코더를 결합해 400개의 지속 객체 쿼리가 각 객체를 모든 뷰에 걸쳐 추적하며, 순서 있는 비디오와 비연속 희소 뷰 모두에서 클래스 무관 4D 인스턴스 마스크를 만든다. 자연어 그라운딩에서는 Active Tree Search로 관측을 탐색하고, Qwen3-VL-4B 그라운더가 낸 두 후보 중 Qwen3-VL-2B 크리틱이 최종 마스크를 고른다. 코드는 비상업 연구용 라이선스다.