GATOR：先生成有场景位姿的资产，再让代理修补几何与纹理

生成资产能否为代理提供可靠几何与位姿支架，减少从照片重建可用资产的成本？

1. 1

   保留场景坐标，对齐同一图像块的三种观察

   目标掩码内深度确定平移锚点与等向尺度，只平移缩放、不旋转。冻结DINOv3分别编码RGB和掩码，点图由可训练编码器处理；同patch共享二维位置和Plücker射线编码，局部注意力先混合三种模态，再让结构去噪器跨视图整合。

2. 2

   用三级flow生成占据、几何与PBR

   TRELLIS.2结构模型初始化，SigLIP2类别名调节结构层；几何与外观由Pixal3D初始化。结构活跃坐标投影到目标掩码RGB，从DINOv3和NAF采特征并跨有效视图平均，每层注入；有效只要求相机前方且在裁剪内，没有遮挡测试。T5Gemma2描述提供全局条件，形状latent再条件化PBR生成。

3. 3

   细化位置和尺度，不把后处理当姿态自由拟合

   投影条件前先校准结构与观察并重算归一化；最终用轮廓、深度和点对齐优化平移及等向尺度，保持方向与局部几何固定。各flow默认12步、CFG3，结构384像素裁剪，几何/材质512像素；完整训练预算未量化。

4. 4

   用匹配视角审查局部编辑，保留可回退资产

   GPT-6-Astra通过Blender检查输入、补支撑/孔洞/部件、修UV与材质；保持原坐标与可靠区域，原版和候选用同相机光照比较，可回退。每物体10分钟，推理、建模和审查计时，GLB导出导入排除；无参考真值或基准分数反馈，所有交付包括未改回退均计入评分。

完整正文、附录A–E、原图2、作者项目页和发布状态已核对；未独立复现。

2026-10-11作者项目页仍标Code Coming Soon，有交互重建与场景演示；未确认训练代码、模型权重或完整评估材料已发布，不计为开源。

LICENSE论文图2按CC BY 4.0署名引用；生成模型、代理服务、训练资产及未来代码/权重的许可分别核对，论文许可不自动覆盖它们。