GATOR：从随手拍图像重建3D物体

GATOR 是一个生成式与智能体框架，可从一张或多张随手拍图像中重建带纹理的物体资产及其相对场景位姿。它通过局部模态混合器耦合 patch 对齐的 RGB、目标掩码和 pointmap 特征，并用文本引导的语义条件按阶段适配器生成结构、几何与外观。生成资产再初始化一个多模态智能体，通过观察引导的编辑-渲染-审查循环做结构与纹理精修，在合成物体、杂乱桌面和室内场景中均取得较强的几何与外观保真度。

摘自 arXiv cs.CV

还没有足够的连续观测数据，暂不绘制趋势。