scene-decomposition

本文提出了一种前馈框架，能够从无位姿的多视图图像中将3D场景分解为实例结构的令牌组，从而在没有3D标注的情况下实现直接的对象级重建、分割和操控。

WorldAct是一个框架，利用多模态智能体和几何重建技术，将静态的3D生成环境转换为可编辑、可交互的以对象为中心的场景，支持对象级编辑和具身任务执行。