PAPER READING · SIGGRAPH Asia 2023 · 固定用户原PDF

MatFusion

从照片采样多个合理SVBRDF：属性空间扩散、照明条件适配与候选选择

Sam Sartor · Pieter Peers · College of William & Mary

01 · 论文身份与固定版本

MatFusion: A Generative Diffusion Model for SVBRDF Capture，Sam Sartor、Pieter Peers，College of William & Mary，SIGGRAPH Asia 2023 Conference Papers，DOI 10.1145/3610548.3618194。精读依据用户保存的10页正式论文原件，另读作者主页提供的5页补充。后来的 arXiv 2406.06539v1 是2024年上传记录，不能把论文年份改成2024。

本文与2024年的 MatFuse、2025年的 MaterialFusion 是不同论文。此处 MatFusion 主要解决由照片估计平面材料的SVBRDF贴图，不是图像中的局部材质迁移，也不直接生成Substance节点图。两位作者的联系邮箱不是通讯作者角色的充分证据，未明确标记的角色保持原笔记候选状态。

作者论文页 · 主文 · 补充 · 代码

02 · 核心思想：把“唯一回归答案”改成可采样的材料分布

单张照片不能唯一确定漫反射、镜面反射、粗糙度与法线；直接回归模型往往只能交付一个答案，错误时缺少替代解。MatFusion先训练一个不依赖拍摄光照的无条件SVBRDF扩散先验，再分别适配闪光照片、自然光照片、闪光/无闪光图像对。换随机seed就能得到多个合理候选，用户或评价器再选。

它直接生成10通道属性图：diffuse RGB 3、specular RGB 3、roughness 1、normal XYZ 3。不是对自然RGB图片训练好的Stable Diffusion直接套壳，也没有用VAE把材质先压进低维latent；论文在属性图空间建模。

312,165

合成与增广的训练SVBRDF示例，不是312,165种独立原始实测材料

256M

无条件扩散底座参数量，ConvNeXt U-Net

20步

EulerA采样；10个seed的筛选预算与单次生成不同

原 Figure 1 分图
原 Figure 1 · 三种捕获条件的材料恢复 · 原图与分图来源

03 · 动机：为什么不直接最小化照片渲染误差？

照片中的亮点可能来自镜面反射，也可能被错误解释成明亮的diffuse texture。单张图的像素拟合越强，越可能把高光“烘进”漫反射、粗糙度或法线。这些解在原照明下好看，换光后却暴露物理分解错误。

作者希望生成先验提供多种符合材料分布的解释，而不是让一个优化器在欠定条件下只追逐原图误差。其训练损失在SVBRDF属性空间计算，因此条件图片可以用昂贵的路径追踪渲染，不需要对该renderer反向传播。

不要误读为“不需要rendering”：训练数据仍要渲染照片；定量评估和一种候选筛选策略也依赖渲染。省去的是穿过renderer的训练梯度，并不是省去所有光照模拟或图像生成成本。

研究目标是合理材料外观与可选候选，而不承诺严格逐像素重建或唯一真实SVBRDF。自然光未知时尤其如此。

04 · 扩散、velocity目标与信号恢复

把真实SVBRDF张量记为 \(x\)。加噪分布原文写为 \(p(x_t\mid x_0)=\mathcal N(x_0,\sigma_t^2)\)，随着t增加噪声增强。在不额外缩放信号的约定下，概率流形式为：

\[\mathrm dx=-\dot\sigma(t)\sigma(t)\nabla_x\log p(x;\sigma(t))\,\mathrm dt\tag{2}\]

score指向高概率材料区域，沿反向时间数值积分逐渐去噪。作者随后归一化网络输入，写为 \(y=ax+bn\)，其中高斯噪声n与系数满足 \(a^2+b^2=1\)。网络不直接输出x或n，而预测velocity：

\[v=an-bx,\qquad \mathcal L=\mathbb E_{x,n,t}\|D_{\theta}(y;t)-v\|_2^2\tag{3}\]

该目标在不同噪声强度下兼顾信号与噪声尺度。将y与v看作二维旋转变换，可反解为：

\[\widehat n=by+aD_{\theta}(y;t),\qquad \widehat x=ay-bD_{\theta}(y;t)\tag{4–5}\]

推导：把 \(y=ax+bn\)、\(v=an-bx\) 分别组合，\(by+av=(a^2+b^2)n=n\)，\(ay-bv=(a^2+b^2)x=x\)。实际网络存在误差，因此公式里的恢复量是估计，不是每一步已经得到真值。

第一步与直接回归的关系

高噪声时 \(a\approx0,b\approx1\)，所以 \(v\approx-x\)，\(\widehat x\approx-D_{\theta}\)。论文相关段落把velocity近似写为x时省略了负号，但其Eq.(5)包含正确的负号；本页保留这一符号边界，避免实现错误。条件网络此时主要依赖照片给初步材料估计，随后迭代再修正高光烘焙、法线细节和diffuse/specular分离。

这解释“第一步像直接推断网络”，不代表初始随机场完全没有影响，也不意味着20步只是重复同一输出。这里没有每步对照片render loss做梯度下降；采样是在学习到的分布上求解去噪过程。

Input First Step \(\mathbb{E}_{x}\) Full Diffusion
原 Figure 3 分图 原 Figure 3 分图 原 Figure 3 分图
原 Figure 3 分图 原 Figure 3 分图
原 Figure 3 · 首步估计与完整扩散 · 原图与分图来源

05 · 架构与低成本条件适配

底座参考ImageNet-256的六分辨率U-Net；输入10通道以3×3卷积映射到128特征。用ConvNeXt block替换ResNet block，希望在相近参数预算下增加激活数量，容纳更丰富的属性通道。时间t经Fourier embedding与两层MLP成为512维特征，注入各block；使用32组GroupNorm，32/16分辨率层及瓶颈含8-head self-attention。

这些是本文SVBRDF网络，不是预训练文字到图像FLUX或SDXL。论文名称里的“k-diffusion”对应其采用的velocity/采样建模方式，读者仍应按实际方程和实现检查，不把所有不同diffusion参数化混用。

\[\text{输入头：}\quad 3\times3\times10\times128\ \longrightarrow\ 3\times3\times(10+k)\times128,\qquad k=3N\]

N为条件RGB照片数；新条件通道对应权重以零初始化，保留已有先验后微调整个条件模型。与ControlNet另外复制控制分支相比，这里只扩展输入头，开销较小，但会改变原始无条件网络。不能称作保持底座完全冻结的插件。

共置闪光模型还拼接逐像素view vector作为额外条件，因为相机距离/FOV可变化。因此通用k=3N只计照片通道，不应忽略文中另加的视线向量。自然光与flash/no-flash使用不同捕获条件训练，各自有一个专用模型，不是一个通用权重无条件适配所有照明。

原 Figure 2 分图
原 Figure 2 · ConvNeXt扩散架构 · 原图与分图来源

06 · 数据集构建与完整增广流程

来源/过程数量关键细节
INRIA已有数据199,068由150基础SVBRDF扰动、缩放、旋转与混合得到，分辨率288²
Polyhaven原材料307CC0、2K贴图；未提供specular时采样均匀值0.04–0.08
AmbientCG原材料1,570274个带metalness，用于diffuse/specular转换
新增基础裁剪1,877×16=30,032裁剪512–1400像素、随机位置/旋转，再双线性缩至512²
粗糙度增强约6,000修改上述基础集约20%，不是在总量上额外再加6,000
分段混合材料83,065约2/3混两材质、1/3混三材质，最后288²
最终训练总数312,165199,068＋30,032＋83,065
测试集5031 Deep Inverse Rendering、6 Look-ahead、11 Polyhaven、2 AmbientCG；未包含在训练集

没有specular map的介质材料被赋予均匀specular先验；带metalness者按metalness调整diffuse并把albedo贡献加入specular。训练标签在这一步已经包含建模假设，并非所有通道都来自独立实测。

粗糙度增强（补充）

把法线积分为height并归一化，结合diffuse＋specular RGB及height的高斯模糊Laplacian（σ=3）构成5通道输入。随机初始化的1×1/逐像素网络采用5→2→2→1与tanh，产生归一化R；该网络不训练，只提供非线性随机变换。与原roughness r混合：

\[r'=\sqrt{wR^2+(1-w)r^2},\qquad w=0.3+0.6R\]

对平方粗糙度混合与直接线性平均不同，不能省掉平方根或把w误当固定0.6。增强只是在标签层构造更多变化，不是论文新增一个可学习roughness predictor。

空间分段混合（补充）

用height与颜色相关信号，经随机网络和one-hot选择形成材料区域，再把候选贴图按同一权重组合，保证多通道材料的一致混合。先对随机288²裁剪做2倍双线性放大，再平均下采样，缓解硬边。源材料在混合集中不重复使用；原材料本身仍存在于训练的其他部分，因此“混合集不重复使用”不等于所有训练样本统计独立。

补充图示与文字对混合网络输入通道描述并不完全清楚，精确复现应以数据处理脚本核对。这里不把网络结构图中的某个简化箭头臆测成所有输入的精确维度。

07 · 训练、光照渲染与采样预算

项目无条件底座每个条件模型
框架FLAX / JAX基于同底座微调
训练输入312,165 SVBRDF，裁到256²同材料集＋对应条件照片
epoch5019
优化器AdamW相同
batch / LR32 / 2×10⁻⁵相同
warmup / EMA100,000 iteration / 使用EMA主文称相同超参
硬件与耗时4张48GB A40，约255h4张A40，约102h
推理EulerA，20步，guidance scale=1；多seed筛选需额外生成预算

255/102≈2.5表示条件微调相对从头训练的时间比，不能把整个底座加三个条件模型的总成本也说成仅102小时。AdamW的完整beta、weight decay与EMA衰减未在主文列全，本页不代填默认值。

Colocated：共置相机闪光，用direct illumination即可近似背向散射条件；相机距离按相对材质尺寸的 \(\tfrac12\Gamma(2,2)\) 采样，并提供view vector。Gamma参数是scale还是rate应按代码定义核验，不能仅凭符号猜测。

Natural / Flash-no-flash：先积分normal成height geometry，用原normal作shading normal，在Blender Cycles中以32spp、OpenImageDenoise渲染，包含阴影、遮挡与间接光。从560张CC0 HDR中选择并随机旋转。两模型使用35mm虚拟相机；flash/no-flash的闪光/环境相对强度在log(1/50)至log(3/2)间采样。

Flash w/o GI Flash w/ GI Natural w/o GI Natural w/ GI
原 Figure 4 分图 原 Figure 4 分图 原 Figure 4 分图 原 Figure 4 分图
原 Figure 4 · 全局照明对不同捕获条件的影响 · 原图与分图来源

训练时不对Cycles求导，因此可用更完整光照形成条件图；但输入图生成本身昂贵。当前官方README估计完整OpenEXR渲染约需1TB磁盘和数天，不能用“无需可微renderer”推导训练廉价。本文没有下载模型或这些大规模数据。

08 · 候选选择是结果的一部分

  1. Fixed seed：所有输入使用同一个固定seed，最接近单次自动结果
  2. Render error：生成10个seed，在原捕获光照下渲染，以LPIPS与输入差最小者为结果
  3. Manual：给用户看10个候选，主观选最合理的材料

不同策略的预算和人工参与不同，不能把manual最优数字当成一次自动推断的平均性能。render-error策略需要知道原照明，自然光未知时无法直接使用同样流程；即使知道照明，高光过曝也可能使原图误差无法区分物理合理与不合理解。

作者尝试直接优化输入随机场以降低render error，发现容易走向高光burn-in。这个观察支持“更多测试时优化不一定更物理”，但不构成对所有seed优化、所有正则和所有多视角观察的否定定理。

Input Fixed Seed Render Err. Manual
原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图
原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图 原 Figure 5 分图
原 Figure 5 · 不同seed与选择方式 · 原图与分图来源

09 · 完整主结果与数值解读

50个测试材料各在128个半球均匀采样点光源下重新渲染，点光半径2.41以匹配对照训练设置；LPIPS评估外观，RMSE分别评估diffuse、specular、roughness与normal图，均越低越好。

原 Table 1

LPIPS RMSE
Render Diff. Spec. Rough. Normal
Adversarial 0.2304 0.0439 0.0859 0.1358 0.0577
Adversarial (retrained) 0.2292 0.0405 0.0795 0.1276 0.0545
Look-ahead 0.2647 0.0591 0.0727 0.1424 0.0572
MatFusion (fixed seed) 0.2282 0.0427 0.0691 0.1252 0.0561
MatFusion (render err.) 0.2138 0.0440 0.0657 0.1282 0.0543
MatFusion (manual) 0.2056 0.0412 0.0666 0.1265 0.0524

原表来源

Manual的render LPIPS=0.2056，相对原Adversarial 0.2304降低约10.8%，相对重训Adversarial 0.2292降低约10.3%。Fixed seed只有0.2282，对重训baseline的改善约0.4%。因此论文最强结果包含10候选和人工选择，不能隐藏这个条件。

各属性并非全面最优：重训Adversarial的diffuse RMSE=0.0405优于Manual 0.0412；MatFusion render-error的specular=0.0657略优于Manual 0.0666；fixed的roughness=0.1252优于manual0.1265。外观指标、像素配准和各物理通道需要分别看。

生成模型允许纹理位置微变，可能生成细节合理但不逐像素对齐的图，因此RMSE与感知外观有取舍。反过来，不能仅以“生成模型不追求对齐”为理由忽视错位对下游3D资产的影响；规整直线或特定图案需要专门评价。

Reference Colocated Natural Flash/no-flash
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图 原 Figure 9 分图
原 Figure 9 · 三个条件模型的合成结果 · 原图与分图来源
Input Reference Fixed Seed Render Error Manual Zhou et al. (2021) Zhou et al. (2022)
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
Average LPIPS Render Error: 0.1762 0.0984 0.0984 0.2450 0.2170
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
Average LPIPS Render Error: 0.2324 0.2391 0.2146 0.2930 0.3076
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
Average LPIPS Render Error: 0.3067 0.3129 0.2897 0.3297 0.3213
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
Average LPIPS Render Error: 0.2192 0.2317 0.2080 0.2350 0.2656
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
Average LPIPS Render Error: 0.1764 0.1764 0.1728 0.2797 0.3967
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图 原 Figure 10 分图
Average LPIPS Render Error: 0.3273 0.3044 0.3044 0.3312 0.3932
原 Figure 10 · 三种选择策略与baseline完整对照 · 原图与分图来源

10 · 架构消融与结论边界

原 Table 2

LPIPS RMSE
Render Diff. Spec. Rough. Normal
ResNet+Control 0.2655 0.0525 0.0813 0.1536 0.0545
ConvNeXt+Control 0.2731 0.0517 0.0764 0.1428 0.0604
ResNet+Direct 0.2093 0.0432 0.0682 0.1055 0.0528
ConvNeXt+Direct 0.2056 0.0412 0.0666 0.1265 0.0524

原表来源

Direct相对同backbone的Control在表中所有指标均改善，支持本任务下直接条件化有效；这并不证明ControlNet对任意扩散任务都较差。本文照片是较强约束，与sketch之类宽松条件不同，作者也明确限制结论范围。

ConvNeXt也不是所有指标一律更优：Direct中LPIPS由0.2093改善到0.2056，但roughness由0.1055变差到0.1265；Control中ConvNeXt的LPIPS0.2731还差于ResNet0.2655，normal0.0604差于0.0545。作者归因某些roughness差异为离群材料，仍不应删除反例。

缺少多seed方差与显著性统计，小幅LPIPS差异不宜过度解释。比较manual选择与网络结构时，还需确保各变体采用一致候选数和选择准则；本页保留原表，不补造未披露的选择细节。

11 · 真实材料、补充结果与失败

Input Reference Ours Zhou and Kalantari (2021) Zhou and Kalantari (2022)
原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图
原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图
原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图
原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图
原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图
原 Figure 6 分图 原 Figure 6 分图 原 Figure 6 分图
原 Figure 6 · 共置闪光真实材料对照 · 原图与分图来源
Input SVBRDF Render
原 Figure 7 分图 原 Figure 7 分图 原 Figure 7 分图 原 Figure 7 分图
原 Figure 7 分图 原 Figure 7 分图 原 Figure 7 分图 原 Figure 7 分图
原 Figure 7 分图 原 Figure 7 分图 原 Figure 7 分图 原 Figure 7 分图
原 Figure 7 · 未知自然照明下的捕获 · 原图与分图来源
Input SVBRDF Render
原 Figure 8 分图 原 Figure 8 分图 原 Figure 8 分图 原 Figure 8 分图
原 Figure 8 · blob-like法线失败 · 原图与分图来源

共置闪光的真实数据中有不同点光参考照片，可观察重新光照质量；作者自己用Pixel5a在自然光下拍摄的例子没有真实SVBRDF或其他光照下参考，因此只支持视觉合理性，不支持精确恢复真值。

补充展示全部50测试材料来源，以及更多自然真实材质的候选/对照。其结论包括：漫反射与粗糙度的高光烘焙减少，法线细节更均匀；许多specular图接近单色，部分源于训练集中介质先验。这些图像级观察不能等同于对每一通道的真实测量验证。

作者明确承认：难保证pixel-perfect；规则直线和人工规整图案较难；可能产生不自然blob-like法线；输出限制256×256；未知照明使自动选种子困难。Flash/no-flash的相对亮度未知可能低估diffuse或roughness，更多输入并非在所有维度必然优于共置单图。

12 · 官方实现与实际复现准备

当前仓库同时提供JAX与Diffusers预训练权重，unconditional backbone标注“v1 corrected”，而条件模型列为v1。没有足够依据说明修正具体原因，不把当前corrected权重直接当成论文原训练日志。README训练例子还引用旧目录名，下载后应核对实际checkpoint名称。

基础环境声明Linux测试，CUDA≥11、CUDNN≥8.2；完整数据流水线另涉及Blender≥3.6、Rust≥1.65、Julia1.7等，而只跑demo notebook不需要全部预处理依赖。它们是当前代码部署信息，不是论文每个实验的完整环境锁文件。

数据许可也不同：新收集Polyhaven/AmbientCG材料为CC0；INRIA数据README标为CC BY-NC-ND2.0，混合集继承不同来源约束。不能因部分素材CC0就称全部训练数据与模型任意商用。本文只做私有阅读与源码核对，没有分发训练数据或模型。

可复现清单：固定checkpoint与数据版本；核对通道顺序和色彩空间；确认normal积分与GI条件；明确1样本还是10样本筛选；在新光照下计算128视角LPIPS，同时报告属性RMSE、成本和人工选择。未公开或未核验的optimizer细节保持缺失。

13 · Reviewer 与 PMG 研究延伸

优势：将欠定SVBRDF恢复显式视为条件分布；无条件先验可适配多种拍摄条件；属性空间训练避免对昂贵renderer反传；提供完整主结果、反例与候选选择策略。

不足：最强指标包含人工筛选；低分辨率、纹理对齐和规律结构不足；训练标签带有specular构造先验；真实自然光缺少真值评估；仍需为不同光照训练专用条件模型；图像漂亮不保证材料可辨识或可程序化编辑。

Research Extension：为程序化材质agent保留多个候选graph/参数解释，用多光照渲染、结构复杂度和材质合理性共同评分，而不是只最小化单张输入的LPIPS。比较单候选、固定10候选自动选、人工选与多视角选，控制相同渲染预算，才能量化evaluator真正带来的收益。

还可以将材质贴图先验与graph生成连接：先生成物理通道候选，再检索/优化可执行graph逼近。必须记录graph表达不足造成的误差，不能把贴图生成能力直接当作节点图合成。MatFusion原文没有实现这一程序化转换或LLM agent。

14 · 来源与归档说明

主文10页与补充5页均已阅读，完整重建两张原表，讨论全部主要原图及补充的数据增广/测试集/真实图像分析。官方README和公开源码仅只读检查，没有下载权重、运行推理或复现实验。

原笔记保留全部字节与PDF++锚点，新增内容追加在合并候选末尾，未改People、共享索引或用户vault。正文中的数学反解与指标计算为本次阅读推导，原文符号和证据限制已单独说明。

原图表署名Sartor & Peers，SIGGRAPH Asia2023。原图使用官方联网资源，正文和表格包含在单文件内；联网图加载、MathJax实际显示和响应式布局留待用户下载后统一验收。