实验 7:A1 VGGT 可信域诊断

验证 case-level VGGT trust gate 是否能预测 guidance 安全性

实验定位 诊断结果:全局门控无效

A1 的目标不是马上训练,而是先问一个更基本的问题:已有 VGGT confidence/support/coverage 这些 GT-free 信号,能否预测哪一个 case 适合做 geometry guidance。结果是否定的:case-level static trust gate 对 Chamfer 改善的 precision=0、recall=0。

实验设计(Image-2 风格)

实验设计图:VGGT trust 信号与已有生成 delta 配对
实验设计图:VGGT trust 信号与已有生成 delta 配对
模块设计图:case-level trust gate 诊断
模块设计图:case-level trust gate 诊断

模块设计(Image-2 风格)

本页的模块设计图已在“实验设计”区域并排展示;它描述输入视角、VGGT/TRELLIS.2 信号、门控/路由、mesh 输出和评测反馈之间的数据流。这里单独标出模块设计章节,方便按统一汇报格式阅读。

实验结果(表格)

casesupport meansupport minweight entropyChamfer Δ ↓F@5 Δ ↑faces ratioChamfer 判断
gso_000_input40.2200.1500.995-0.009800.0550179.71改善
gso_001_input40.4460.3440.9900.00493-0.01551.06未改善
gso_002_input40.1480.0100.9570.04521-0.20960.60未改善
gso_003_input40.0110.0000.984-0.020690.28501.12改善
gso_004_input40.0210.0000.9970.000130.00421.00未改善
gso_005_input40.9260.7620.9910.00122-0.00771.06未改善
gso_006_input40.7000.5100.9900.00503-0.02480.99未改善
gso_007_input40.5270.3300.9640.002620.00090.99未改善
gso_008_input40.2700.0580.9850.00458-0.01181.19未改善
gso_009_input40.5120.1320.9560.00204-0.01910.89未改善

可视化结果

A1 每 case Chamfer 变化幅度
A1 每 case Chamfer 变化幅度
Chamfer 改善 case
2/10

geometry 静态权重只有少数 case 改善。

Topology/面片爆炸
3

face ratio > 5 或 edge delta > 5000。

Trust gate precision / recall
0.00 / 0.00

高 support + 高 entropy 没有预测到 Chamfer 改善。

相关性诊断

VGGT GT-free 特征Pearson vs Chamfer ΔSpearman vs Chamfer ΔPearson vs F@5 ΔSpearman vs topology edge Δ
support_mean0.0330.358-0.252-0.406
support_min-0.0660.310-0.122-0.207
support_std0.2390.576-0.372-0.273
geometry_range0.5480.358-0.355-0.055
geometry_weight_entropy-0.524-0.3580.3970.079
trust_uniformity-0.1340.249-0.117-0.195

小样本下相关性只能作为诊断线索。最关键的不是某个相关系数,而是全局 gate 在 10-case 上没有找到真正改善 case;这说明“case-level 可信”不是足够细的控制粒度。

实验结论

下一步想法

下一步从“诊断”进入“局部门控实现”:在 adapter residual 或 velocity correction 上乘以 VGGT patch/voxel mask,并在采样过程中实时检查 support drift。通过门槛仍是 no-extra-failure、support Jaccard/centroid 受控,并且 Chamfer 或 F@5 至少一项配对改善。