GATOR：从随手拍图像生成并智能体重建 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恢复带纹理的物体资产及其场景相对位姿。其局部模态混合器先耦合 patch 对齐的 RGB、目标掩码与 pointmap 特征再做跨视角推理，文本引导的语义条件通过分阶段适配器补充类别名与物体描述。