GATOR 用生成式与智能体框架从随手拍图像重建带纹理的三维物体并恢复场景相对位姿
GATOR 是一个生成式与智能体框架,能从一张或多张随手拍图像中恢复带纹理的物体资产及其场景相对位姿:它先用局部模态混合器在跨视角推理前耦合块对齐的 RGB、目标掩码与点图特征,再以文本引导的语义条件通过分阶段适配器生成结构、几何与外观,随后用生成资产初始化多模态智能体,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、杂乱桌面与室内场景上取得较强的几何与外观保真度,并能从稀疏观察中恢复场景相对位姿。