开源框架 HARMONY 用 VLM 智能体分层重建 3D 场景,媲美 GPT-6 Astra

thoma_gu · x · 2026-09-24

Lingjie Liu 团队发布开源框架 HARMONY:用 VLM 智能体从单张室内图像重建组合式 3D 场景,像 3D 美术师一样按层级顺序搭建——先房间结构与相机,再壁挂物、独立家具,最后装饰件。每阶段将渲染结果与输入图对比、反思并迭代纠错,防止误差累积。即使使用较旧的 VLM 骨干,其视觉质量也能与 GPT-6 Astra 竞争,同时几何对齐更好。随发布一并放出 HARMONY300 benchmark,作者认为高水平推理与几何优化结合在 3D 重建上潜力巨大。