多视角非正交 TRELLIS 改进实验

新增实验：multidiffusion 融合、GPT-only multidiffusion、质量门控 hybrid multidiffusion。

现有方法主要缺陷

非正交输入通常没有相机位姿，模型只能在语义 token 上融合，无法做严格几何对齐。
生成式正交视图会发生 identity drift：小物件丢失、背面画错、多个方向过于相似。
所有输入视图默认同权，错误视图会污染多图融合；stochastic 模式还会受到 step 数和输入顺序影响。

改进假设

用 multidiffusion 替代 stochastic 可以减少 step 级别的视图采样偏置；用质量门控的 hybrid 输入保留原图细节，同时只加入可信 GPT 正交视图提供方向约束。

新增实验总览：direct / GPT-only / direct-md / GPT-md / hybrid-gated

新增实验多角度抽帧：每个 variant 抽取 3 个旋转角度，避免只看第一帧误判。

改进实验结论

最有价值的不是固定采用某一个输入路线，而是先评估正交视图质量，再在 direct、GPT-only、hybrid 之间路由。错误 GPT 视图会污染融合；高质量 GPT 视图则能提供更稳定的方向约束。

Case	当前最佳路线	观察
chair	direct 或 hybrid-gated	GPT-only 路线让椅子更正，但容易弱化座面小物件；hybrid 能部分保留细节，但没有稳定超过 direct。
monkey	gpt-only / gpt-md	GPT 正交视图本身质量高，stochastic 与 multidiffusion 差异小；hybrid 不再显著提升。
robot	direct / direct-md	GPT back 方向错误是主要瓶颈；排除 back 后 hybrid 避免进一步污染，但仍难超过 direct。
toolcar	hybrid-gated	原图细节和可信 GPT 正交约束互补，hybrid 比 GPT-md 更稳定，也比 direct-md 更正。
flower	direct-md / hybrid-gated	GPT 四视图方向差异不足；门控策略正确回退到原图 multidiffusion，避免 GPT-only 的信息压缩。

chair

Hybrid gated inputs: original 3 images + GPT views ['front', 'left', 'right', 'back'].

Direct baseline
435,104 vertices / 870,136 faces · OBJ

GPT-only baseline
366,344 vertices / 732,720 faces · OBJ

Direct multidiffusion
354,468 vertices / 708,866 faces · OBJ

GPT multidiffusion
288,840 vertices / 577,724 faces · OBJ

Hybrid gated multidiffusion
357,190 vertices / 714,436 faces · OBJ

monkey

Hybrid gated inputs: original 4 images + GPT views ['front', 'left', 'right', 'back'].

Direct baseline
303,618 vertices / 607,312 faces · OBJ

GPT-only baseline
356,890 vertices / 713,796 faces · OBJ

Direct multidiffusion
291,760 vertices / 583,576 faces · OBJ

GPT multidiffusion
351,084 vertices / 702,208 faces · OBJ

Hybrid gated multidiffusion
315,306 vertices / 630,692 faces · OBJ

robot

Hybrid gated inputs: original 2 images + GPT views ['front', 'left', 'right'].

Direct baseline
233,694 vertices / 467,362 faces · OBJ

GPT-only baseline
202,274 vertices / 404,494 faces · OBJ

Direct multidiffusion
232,840 vertices / 465,664 faces · OBJ

GPT multidiffusion
182,830 vertices / 365,542 faces · OBJ

Hybrid gated multidiffusion
182,916 vertices / 365,768 faces · OBJ

toolcar

Hybrid gated inputs: original 3 images + GPT views ['front', 'left', 'right', 'back'].

Direct baseline
366,840 vertices / 733,796 faces · OBJ

GPT-only baseline
454,232 vertices / 908,464 faces · OBJ

Direct multidiffusion
351,034 vertices / 702,268 faces · OBJ

GPT multidiffusion
338,700 vertices / 677,416 faces · OBJ

Hybrid gated multidiffusion
393,308 vertices / 786,820 faces · OBJ

flower

Hybrid gated inputs: original 8 images + GPT views [].

Direct baseline
405,576 vertices / 811,608 faces · OBJ

GPT-only baseline
288,208 vertices / 576,888 faces · OBJ

Direct multidiffusion
422,160 vertices / 844,724 faces · OBJ

GPT multidiffusion
301,634 vertices / 603,700 faces · OBJ

Hybrid gated multidiffusion
422,170 vertices / 844,740 faces · OBJ