用途：安装并运行 NVIDIA Asset Harvester，从稀疏自动驾驶（AV）对象观测中提取逐对象 3D Gaussian Splat 资产（gaussians.ply），输入可为 NCore V4 驾驶日志的多视角裁剪或单张带掩码图像，输出可被 NVIDIA Omniverse NuRec 作为外部资产使用，并可选生成 metadata.yaml。上游 Apache-2.0 代码见 https://github.com/NVIDIA/asset-harvester。
主要能力：管线为 SparseViewDiT（多视角扩散，生成 16 个一致视角）加 TokenGS（前馈高斯抬升）。单个 HF 仓库 nvidia/asset-harvester 提供四个检查点：AH_object_seg_jit.pt（AV 对象 Mask2Former）、AH_multiview_diffusion.safetensors（SparseViewDiT）、AH_camera_estimator.safetensors（无标定时估计相机位姿）、AH_tokengs_lifting.safetensors（TokenGS）。
使用方式：先运行 scripts/validate_setup.py 校验 conda、NVIDIA 驱动、GCC 与 HF_TOKEN，再执行 bash setup.sh 一键安装。用 hf auth login 后执行 hf download nvidia/asset-harvester --local-dir checkpoints 下载检查点。三条推理路径分别对应内置示例、单图加掩码、NCore V4 日志。显存低于约 16 GB 时，run_inference.py 加 --offload_model_to_cpu，run.sh 加 --offload。输出目录含 multiview/、3d_lifted/、gaussians.ply 与两个 mp4。可选手动交接 NuRec：orient_gaussians_for_nurec 旋转高斯、generate_external_assets_metadata.py 生成元数据。
适用场景：有 AV 片段或带掩码单图、需要逐对象 3D 资产做仿真，或想本地复现论文与 HF Space 演示时使用。
限制：仅面向 AV 领域，非道路/非 AV 对象属分布外；分割模型类别受限（车辆、行人、自行车、道路物体），任意对象需自带 mask.png；不预测尺度，NuRec 插入从源片段 cuboid 轨迹读取；输入需为 512×512 方形裁剪；最低约 16 GB 显存；仅支持 Linux（Ubuntu 22.04 + CUDA 12.8 测试）；benchmark/eval.py 需单独克隆 av-object-benchmark 环境。只做安装与推理，不重新训练模型，也不做全场景重建。