GRM ist ein großskaliges Rekonstruktionsmodell, das 3D-Assets in 0,1 Sekunden aus dünnbesetzten Ansichtsbildern rekonstruieren und in 8 Sekunden generieren kann. Es handelt sich um ein feedforward-basiertes Transformer-Modell, das multiview-Informationen effizient fusioniert, indem es Eingangspixel in pixelweise ausgerichtete Gauss-Verteilungen umwandelt. Diese Gauss-Verteilungen können zurückprojiziert werden, um eine dichte 3D-Gauss-Verteilungsmenge zu bilden, die die Szene darstellt. Unsere Transformer-Architektur und die Verwendung von 3D-Gauss-Verteilungen ermöglichen ein skalierbares und effizientes Rekonstruktionsframework. Umfangreiche Experimente zeigen, dass unsere Methode in Bezug auf Rekonstruktionsqualität und -effizienz andere Alternativen übertrifft. Wir zeigen auch das Potenzial von GRM bei Generierungsaufgaben (wie Text-zu-3D und Bild-zu-3D) durch die Kombination mit bestehenden Multiview-Diffusionsmodellen.