O GRM é um modelo de reconstrução em larga escala capaz de recuperar ativos 3D a partir de imagens de visualizações esparsas em 0,1 segundos e gerar em 8 segundos. É um modelo feedforward baseado em Transformer que funde informações de múltiplas visualizações de forma eficiente, convertendo pixels de entrada em distribuições gaussianas alinhadas por pixel. Essas distribuições gaussianas podem ser projetadas inversamente para formar um conjunto denso de distribuições gaussianas 3D que representam a cena. Nossa arquitetura Transformer e o uso de distribuições gaussianas 3D desbloqueiam uma estrutura de reconstrução escalonável e eficiente. Resultados experimentais extensivos demonstram que nosso método supera alternativas existentes em termos de qualidade e eficiência de reconstrução. Também demonstramos o potencial do GRM em tarefas de geração (como texto para 3D e imagem para 3D) por meio da combinação com modelos de difusão multi-visualização existentes.