在物体级重建中，将生成的网格作为可编辑代理插入采集到的场景，已成为表示被观测物体的一种常见做法。这种用法带来了一项在孤立资产评分与姿态估计中并不存在的要求：在采集所得的度量状态下，代理应当能够再现同一实例经过标定的观测结果。围绕这一要求，论文提出了 ObjectTwin——一套以扫描为基准的测量协议，用于考察生成资产在被放入真实采集场景后是否仍与观测保持一致。
ObjectTwin 的核心做法是固定变量、只替换被测对象。协议冻结实例本身、相机参数、由扫描投影得到的支持区域、记录下来的深度信息、度量锚点以及评估分母，随后仅替换物体的表示形式。这样得到的资产对应差距，衡量的是相对于扫描导出的可见几何而言，观测一致性损失了多少；同时该协议并不把扫描视为完整的物理真值，从而避免了评估基准被过度拔高的问题。
这种设计把采集对应性从资产质量评价中单独分离出来。传统上，生成资产的评价往往依赖孤立资产分数和姿态估计，但它们无法回答一个关键问题：在具体的采集状态下，代理是否真的复现了同一实例的标定观测。ObjectTwin 通过冻结除物体表示之外的所有因素，使这一差距可以被单独测量和比较，因而在生成资产质量与更强的物理级或任务级评估之间，建立起一个可度量的接口。
实验覆盖两个室内 RGB-D 采集域和两种生成后端。结果显示，那些可见且经过锚定的生成资产在替换之后，MaskIoU 下降了 0.302 至 0.497。值得注意的是，所有测试到的场景级估计值均为正，说明该差距并非个别设置下的偶然现象；但与此同时，相同的输入在不同采集域之间会出现生成器偏好反转，这意味着仅凭单一采集域得出的偏好结论难以直接推广。
论文进一步通过覆盖分析与重叠深度分析定位分歧来源，发现不一致同时出现在可见支持和表面放置两个方面。也就是说，问题既在于生成资产没有覆盖到扫描所见的支持区域，也在于其表面在深度方向上放置得不够准确。研究还评估了一种保守的姿态细化方法，但该方法并未能系统性地恢复这一差距，说明仅靠后处理式的姿态调整不足以弥合采集对应性上的缺失。
这些结果的意义在于，把采集对应性确立为一项可以独立测量的指标：它介于生成资产质量与更强的物理或任务级评估之间，能够揭示在孤立评分中看不到的问题。对于以采集锚定方式构建数字孪生的流程而言，这意味着在把生成网格当作可编辑代理使用之前，需要专门检验其在具体采集状态下的观测一致性，而不应只依赖资产层面的分数或姿态估计结果。该论文属于计算机视觉与模式识别方向，于 2026 年 9 月 30 日提交至 arXiv，编号为 arXiv:2610.35904。