Lucida：面向可组合真实到仿真场景建模的解析、生成与放置框架

Lucida 提出一种可组合场景建模框架，将真实室内视频解析为带多视角证据的场景图，为每个实例生成完整资产，并用 VLM 策略 GizmoAct 以多轮 GUI 交互方式闭环放置物体。在 R2S-Scene 上其 mAP 较 Boxer 提升 69%，CA-1M 上 ADD-SB@0.05 从 57.8% 升至 83.4%，场景 F-Score 从 SAM3D 的 0.794 提升至 0.924。