Gym Real Multi-Method Comparison

官方四段链直接处理 `gym_real.jpg`。VLM 将多器械健身房画面误识别为 `Cart / WheelingDevice`，并生成 base + 两个 wheel-like movable groups；这是单物体假设在复杂真实场景上的典型失败。

按官方 flow 对同一张 `gym_real.jpg` 直接推理，输出完整 GLB 与 `27` 个 part GLB。多实例器械被当成一个复杂物体处理，因此分件数量明显膨胀。

用本地跳过 RMBG 的官方 app path 运行。SAM/OmniPart 在多器械画面上保留了 `22` 个 region，显著过分割；页面展示 textured/segmented/exploded 三类 GLB 和 mask 可视化。

先走 Appendix-D 风格 VLM + SAM2 mask labeling，再送入 PAct 官方推理。VLM 识别为 adjustable weight bench，但最终只导出 `4` 个节点，关节类型为 `fixed / prismatic`，大块区域仍然合并。

使用手工 graph prior 跑 SINGAPO，目标是从多器械画面中抽一个代表性 bench 结构。输出 `5` 个节点，关节类型为 `fixed / prismatic`；无 mesh part，因此页面展示 bbox 与 kinematic tree。

直接用 TRELLIS2 512 pipeline 从 `gym_real.jpg` 生成整体网格，未做 part/kinematic decomposition。复杂多实例画面会被压成一个整体 3D asset。