实验定位 单例有效，放大失败
这一阶段从“能不能提升”转向“怎样不破坏 baseline”：先保证 gate=0 精确 parity，再逐步扩大 VGGT residual，并用 support 约束筛选。
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）
| 检查项 | 结果 | 补充 | 指标 | 判断 |
|---|---|---|---|---|
| gate=0 parity | True | tokens 26 / 26 | 坐标精确一致 | 通过 |
| step25 no alpha | Chamfer 0.07727 | baseline 0.06764 | 相对恶化 14.23% | 不通过 |
| step25 alpha=0.25 单例 | Chamfer 0.06435 | baseline 0.06764 | 相对改善 4.86% | 单例通过 |
| step25 alpha=0.25 十例 | 失败 1/10 | Chamfer 0.08325 vs 0.08316 | 新增失败，不能放大 | 不通过 |
| velocity cap | cap=0 可精确 parity | 局部 RMS cap 不保证最终 support | 需要 support-level loss | 证据不足 |
可视化结果：Alpha sweep
| alpha | token count | token ratio | support Jaccard | centroid distance / 备注 |
|---|---|---|---|---|
| 0.00000 | 26 | 1.000 | 1.0000 | 0.000 |
| 0.12500 | 0 | 0.000 | 0.0000 | - |
| 0.25000 | 24 | 0.923 | 0.9231 | 0.079 |
| 0.50000 | 0 | 0.000 | 0.0000 | - |
| 1.00000 | 22 | 0.846 | 0.0000 | 25.111 |
| 单例 alpha=0.25 mesh | 24 | 0.923 | 0.9231 | Chamfer 0.06435 |
继续研究更新：State / Decoder Gate
| 尝试 | case | 参数/观测 | gate 类型 | 判断 |
|---|---|---|---|---|
| v4 state-anchor step25 | 3/3 | rel_cap=0.1 | state trajectory gate | 通过 |
| v4 state-anchor step50 | 3/3 | rel_cap=0.1 | state trajectory gate | 通过 |
| v4 state-anchor step100 | 3/3 | rel_cap=0.1 | state trajectory gate | 通过 |
| v5 decoder-aware step25 | 3/3 | state_passed=True; improved=0 | decoded occupancy IoU gate | 不通过 |
| v5 decoder-aware step50 | 3/3 | state_passed=True; improved=0 | decoded occupancy IoU gate | 不通过 |
| v5 decoder-aware step100 | 3/3 | state_passed=True; improved=0 | decoded occupancy IoU gate | 不通过 |
v4 state-anchor 说明“限制累计状态漂移”在 3-case gate 上可控；v5 decoder-aware 虽然 state_passed=true，但 occupancy_iou_improved_cases=0，因此不能宣称 decoder-aware loss 已经改善水密结构。
实验结论
- baseline-preserving 是必要条件：没有精确 parity 的 adapter 不值得继续。
- 单例 alpha=0.25 说明 VGGT residual 不是完全无用，但它处于非常窄的安全区间。
- velocity 层面的局部裁剪不足以保证最终 sparse support 不漂移，下一步要直接约束支持集。
下一步想法
论文深度的方向是“support-set constrained diffusion guidance”：把 Jaccard、centroid drift、token budget、空 support 惩罚写入训练目标和采样控制，而不是只在采样后筛掉失败样本。