在物體級重建中，將生成的網格作為可編輯代理插入採集到的場景，已成為表示被觀測物體的一種常見做法。這種用法帶來了一項在孤立資產評分與姿態估計中並不存在的要求：在採集所得的度量狀態下，代理應當能夠再現同一例項經過標定的觀測結果。圍繞這一要求，論文提出了 ObjectTwin——一套以掃描為基準的測量協議，用於考察生成資產在被放入真實採集場景後是否仍與觀測保持一致。
ObjectTwin 的核心做法是固定變數、只替換被測物件。協議凍結例項本身、相機引數、由掃描投影得到的支援區域、記錄下來的深度資訊、度量錨點以及評估分母，隨後僅替換物體的表示形式。這樣得到的資產對應差距，衡量的是相對於掃描匯出的可見幾何而言，觀測一致性損失了多少；同時該協議並不把掃描視為完整的物理真值，從而避免了評估基準被過度拔高的問題。
這種設計把採集對應性從資產質量評價中單獨分離出來。傳統上，生成資產的評價往往依賴孤立資產分數和姿態估計，但它們無法回答一個關鍵問題：在具體的採集狀態下，代理是否真的復現了同一例項的標定觀測。ObjectTwin 透過凍結除物體表示之外的所有因素，使這一差距可以被單獨測量和比較，因而在生成資產質量與更強的物理級或任務級評估之間，建立起一個可度量的介面。
實驗覆蓋兩個室內 RGB-D 採集域和兩種生成後端。結果顯示，那些可見且經過錨定的生成資產在替換之後，MaskIoU 下降了 0.302 至 0.497。值得注意的是，所有測試到的場景級估計值均為正，說明該差距並非個別設定下的偶然現象；但與此同時，相同的輸入在不同採集域之間會出現生成器偏好反轉，這意味著僅憑單一採集域得出的偏好結論難以直接推廣。
論文進一步透過覆蓋分析與重疊深度分析定位分歧來源，發現不一致同時出現在可見支援和表面放置兩個方面。也就是說，問題既在於生成資產沒有覆蓋到掃描所見的支援區域，也在於其表面在深度方向上放置得不夠準確。研究還評估了一種保守的姿態細化方法，但該方法並未能系統性地恢復這一差距，說明僅靠後處理式的姿態調整不足以彌合採集對應性上的缺失。
這些結果的意義在於，把採集對應性確立為一項可以獨立測量的指標：它介於生成資產質量與更強的物理或任務級評估之間，能夠揭示在孤立評分中看不到的問題。對於以採集錨定方式構建數字孿生的流程而言，這意味著在把生成網格當作可編輯代理使用之前，需要專門檢驗其在具體採集狀態下的觀測一致性，而不應只依賴資產層面的分數或姿態估計結果。該論文屬於計算機視覺與模式識別方向，於 2026 年 9 月 30 日提交至 arXiv，編號為 arXiv:2610.35904。