各位佬们，最近我想通过AI的帮助将下面这张图片在godot里转换成3D的场景(AI教我一步一步去完成)，但是我仅仅只有这一张图，如果是背面看不见的地方AI可以根据原照片风格自己创作。 
一开始我直接将这张图片扔给gpt，让它教我实现，但是做着做着发现它想要做的和图片根本不一样。 
后面我就先让它根据图片先生成五视图，从各个方位看的视角，层次图等等，可是它生成的图片还是有位置错误等问题，比如左右的塔楼明明位置不同可是它生成出的还是对称的。 
想问问各位佬们，有没有什么办法可以实现我的需求的，主要就是想让AI知道我想要做成什么样的，不要偏离原图。 
 [竞技场示例图片]