场景是对象，而非原语：从无位姿视图学习实例结构化3D标记化

论文提出一种前馈式3D重建框架，直接将无位姿多视图图像分解为实例结构化的3D token组。每组由表示对象身份的实例token和编码局部几何、外观的锚点token组成，并解码为3D高斯。联合重建与分割监督且无需3D标注，使对象级分割、检索和编辑成为原生能力。