用多尺度 3D VQVAE 把单张图片或文本自回归生成 3D 物体，同时支持 3D 理解，适合做图生 3D 和多模态 3D 研究。

单张图片就能快速重建出 3D 物体模型的前馈生成模型，适合需要批量产出 3D 资产的场景。