微缩景观：释放零-shot 单视图 3D 场景建模

本研究解决了从RGB图像重建结构化3D场景的难题，现有方法依赖训练繁重的真实注释或单调的合成数据，难以泛化到未知对象或领域。我们提出的Diorama是首个零-shot开世界系统，能够从单视图RGB观察中全面建模3D场景，无需端到端训练或人类注释，显著优于之前的基线，并展示了对互联网图像和文本到场景任务的泛化能力。