GRM es un modelo de reconstrucción a gran escala capaz de recuperar activos 3D a partir de imágenes de vistas dispersas en 0,1 segundos y generarlos en 8 segundos. Es un modelo de tipo feed-forward basado en Transformer que fusiona eficientemente información multivista, convirtiendo píxeles de entrada en distribuciones gaussianas alineadas con los píxeles. Estas distribuciones gaussianas se pueden proyectar inversamente para representar un conjunto denso de distribuciones gaussianas 3D que representan la escena. Nuestra arquitectura Transformer y el uso de distribuciones gaussianas 3D desbloquean un marco de reconstrucción escalable y eficiente. Los resultados experimentales demuestran que nuestro método supera a otras alternativas en cuanto a calidad y eficiencia de la reconstrucción. También mostramos el potencial de GRM en tareas de generación (como texto a 3D e imagen a 3D) mediante la combinación con modelos de difusión multivista existentes.