实验定位 部分有效
这个实验回答：不做 GPT 正交化、不引入 VGGT，只改变 TRELLIS / TRELLIS.2 的多图融合方式时，非正交多视角输入本身能做到什么程度。
实验设计（Image-2 风格）
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）
| 方法 | 成功 | Chamfer ↓ | F@5% ↑ | F@10% ↑ | 平均面片数 |
|---|---|---|---|---|---|
| TRELLIS.2 multidiffusion reverse | 5/5 | 0.06715 | 0.4919 | 0.7509 | 1232240 |
| TRELLIS.2 stochastic identity | 5/5 | 0.06750 | 0.5036 | 0.7419 | 1517497 |
| TRELLIS multidiffusion identity | 5/5 | 0.08094 | 0.4477 | 0.6336 | 495436 |
| TRELLIS stochastic reverse | 5/5 | 0.07759 | 0.4205 | 0.6524 | 435130 |
| TRELLIS.2 multidiffusion orthogonal | 5/5 | 0.08379 | 0.3976 | 0.6304 | 825812 |
可视化结果
实验结论
- multidiffusion 明显降低输入顺序导致的结果波动，但不自动解决内容冲突。
- TRELLIS.2 几何指标强于 TRELLIS，但高面片数与非水密问题更突出。
- 水平四向正交输入没有稳定优于随机非正交输入，说明视角覆盖和目标可见性比“正交”本身更关键。
下一步想法
后续不再简单追求把输入变成正交图，而是研究“哪些非正交视角提供可信几何约束、约束应在 diffusion 轨迹中何时何地生效”。这直接引出 VGGT 几何一致性路线。