HARMONY：面向单目图像场景合成的层级式智能体推理
HARMONY 是一种从单张图像重建完整室内 3D 场景的框架，结合视觉语言模型的空间推理与点云几何估计。该方法先校准相机，再推断房间布局，并按层级顺序放置物体。基于几何的细化和反馈步骤旨在提高结果与输入图像的匹配度，并减少误差累积。在合成图像和真实图像实验中，HARMONY 的表现优于参与评测的场景重建基线方法。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。