01 · 阅读结论与版本边界
UltraZoom 将“一张全景照片 + 少量微距特写 + 连接两者的手持视频”转化为可连续浏览的超高分辨率图像。关键并非把全图一次送入巨型网络，而是用特写构造对齐的训练样本，针对每个物体适配生成先验，再把局部生成扩展到全图。
主证据为用户原始 arXiv:2506.13756v1，2025-06-16，9 页固定 PDF。作者依次为 Jingwei Ma、Vivek Jayaram、Brian Curless、Ira Kemelmacher-Shlizerman、Steven M. Seitz，均署 University of Washington。第 8 页为参考文献，第 9 页为额外结果 Figure 6，不是另一本九页 supplement。PDF 标识为 cs.GR，而当前公开 HTML 标为 cs.CV；本次不替换固定文件。公开同名 PDF 与用户文件哈希不同，不能视作字节相同的原件。
后续官方项目页标注 SIGGRAPH Asia 2025，并补充 CoTracker3 每 100 帧重新初始化点。它们属于后续网页证据，不回填成固定稿当时已给出的全部实现设置。正文指向 supplemental implementation details，但固定九页不含该附录，已取得项目页也未提供可核验的独立补充 PDF；没有编造训练参数。版本入口 · 官方项目
Figure 1 怎么读：先看输入全图，再看同位置 bicubic 与本文的局部对照，最后看整体结果。图中约 20 倍线性放大体现了“覆盖范围与局部细节”的结合；文中示例覆盖 6–30 倍、约 0.25–5 gigapixel。这样的视觉展示证明可生成与浏览超大图，不能单独证明未拍摄区域的物理细节真实性。
02 · 问题动机与方法定位
普通相机的像素预算固定：拍得远能够覆盖全物体，但纤维、颗粒等细节消失；贴近拍能够保留局部纹理，却丢失整体。传统 gigapixel 捕获依赖大量照片与精密拼接。作者假设：单个物体通常由有限几类重复材质构成，少量特写能够覆盖其细节分布，不必扫描每个位置。
| 相关路线 | 典型假设 | 本任务的困难与选择 |
|---|---|---|
| 通用参考图 RefSR | 参考与目标具有可匹配的结构，注意力或检索转移细节 | 本任务多为局部重复纹理，辨识结构不足；用实例训练将纹理融入模型 |
| 双相机超分 | 广角与长焦图像中心接近、尺度差较小，能够精确 warp 对齐 | 手持微距与全图有透视、遮挡、颜色和尺度变化，精确像素监督不可靠 |
| 任意尺度隐式表示 | 可以在连续坐标上查询像素 | 可查询任意尺度不等于学习到了 20 倍微距细节分布，极端尺度仍可能过平滑 |
| 纹理合成 | 局部统计接近参考即可 | 还必须服从全图低频结构，不能无条件铺满同一纹理 |
| UltraZoom | 物体存在可复用的局部细节分布；粗配准足够估计退化 | 自采特写构造像素对齐的退化对，FLUX 类生成先验 + LoRA 实例适配 + 分块一致性 |
Our Interpretation：真正的重构是“改变监督问题”：不再强行把两张实拍照片逐像素对齐，而是让同一张特写同时产生 LR 条件和 HR 目标；真实全图只参与尺度、颜色与退化校准及最终推理。代价是退化模型需要与真实全图足够接近。依据：固定稿 §2–§3。
03 · 输入输出、符号与表示
| 符号 | 含义与角色 |
|---|---|
| \(F\) | 全景低分辨率照片，保留整体几何与颜色布局，是最终推理的图像条件 |
| \(\mathcal C=\{C_1,\ldots,C_N\}\) | 覆盖物体不同材质的微距特写集合；不是整幅高分辨率真值 |
| \(\mathcal V=[V_1,\ldots,V_N]\) | 连接相邻特写以及最后特写到全景的短视频；保持相机方向基本一致 |
| \(T_{C_i\rightarrow F}\) | 特写坐标到全景坐标的二维相似变换，用于定位和尺度估计 |
| \(F_{C_i},H(F_{C_i}),\widetilde C_i\) | 对应全景区域、其颜色统计、颜色匹配后的特写 |
| \(D,\mathcal P,c,d\) | 退化算子、随机裁块算子、清晰目标 patch、与它对应的退化条件 patch |
| \(c_t,t,y,\theta\) | 加噪样本、流匹配时间、每实例固定文本条件、被适配模型参数 |
| \(G\) | 本解读用于指最终高分辨率输出的辅助符号，非论文新提出的图结构 |
输出与全景保持同一构图，线性尺寸提高到特写对应的细节尺度。设放大倍数为 \(q\)，则输出约为 \(qH\times qW\)，像素数按 \(q^2\) 增长。例如 20 倍线性放大意味着约 400 倍像素，而非 20 倍像素。这里没有节点图、程序 token 或可执行材质 graph；生成结果是二维 RGB 外观。
训练监督目标是特写中真实存在的纹理 patch，测试对象却是全图中的其他位置。它属于实例适配而非跨物体一次训练、零成本泛化；每个新对象都要重新建立样本并微调。
04 · 配准：通过视频搭桥，而非直接硬匹配
Figure 2：左侧数据构造估计尺度与颜色统计；中间对带上采样 ControlNet 的预训练文本到图像模型做 LoRA 适配；下方对全图分块生成并融合。特写的作用主要经过训练进入参数，不是推理时为每个 patch 强行寻找同一参考位置。
直接 SIFT 或跨图学习匹配容易在重复纹理与巨大尺度差下失效。视频的相邻帧之间变化较小，因此先在时间维追踪网格点，使用 RANSAC 拟合相似变换，再累积到全图。RANSAC 抑制错误轨迹，短段重置缓解远离物体时视野快速变化带来的失踪点问题。
原式 (1)：累积变换
\[ T_{C_i\rightarrow F} =T_{V_N}\cdot\bigl(T_{V_{N-1}}\cdot(\cdots(T_{V_{i+1}}\cdot T_{V_i})\cdots)\bigr). \]对列向量坐标，最先施加右侧 \(T_{V_i}\)，然后依次映射到后续视图，最终到 \(F\)。最后一段视频再分成 \(S_1,\ldots,S_M\)，各段同样连乘。相似变换只描述二维旋转、统一缩放和平移，不能消除任意透视畸变、非刚性变化和遮挡；论文只需要它提供粗定位与统计校准，不是精确 HR 标签对齐。来源：固定稿 p.4 / §3.1 / Figure 3。
原式 (2)：从线性部分读出尺度
\[ s=\sqrt{\det\!\left((T_{C_i\rightarrow F})_{[:2,:2]}\right)}. \]相似变换的左上二维块可写成 \(A=sR\)，当 \(R\) 是不含反射的旋转，\(\det(R)=1\)，因此 \(\det(A)=s^2\)。公式中的 \(s\) 是坐标变换缩放，不自动等于结果图标注的 6–30 倍 zoom。按 close-up→full 的方向，通常 \(s\lt1\)，相应超分放大倍数为 \(q=1/s\)。原文同时用 scale/downsampling 的口语描述，复现前必须检查矩阵方向、像素尺寸和采样 API 的定义；不能直接把 0.05 作为“放大 0.05 倍”。这是符号约定审查，不是声称论文已给出另一条公式。
后续项目页补充：明确命名追踪器 CoTracker3，描述把特写、视频与全景串成序列，并每 100 帧重新初始化。固定 PDF 引用 Karaev et al. 2024，并写短段重置，但未给出 100 帧数值。本文未运行该实现或测量重投影误差。
05 · 退化对齐：保证配对准确，再缩小域差距
- 用配准结果定位 \(F_{C_i}\)，提取颜色统计 \(H(F_{C_i})\)，对特写进行 color matching，得到 \(\widetilde C_i\)。这用于补偿不同拍摄的白平衡差异。
- 按估计尺度做 bicubic 下采样，使特写在纹理尺度上接近全景对应区域。
- 额外进行 2 倍下采样，模拟远距离拍摄的光学模糊。固定稿没有完整规定所有中间重采样尺寸与最终条件张量尺寸，复现时需要补充确认。
- 当全图区域比下采样特写表现出更严重的压缩痕迹时，施加 JPEG quality 75；这是有条件的人工选择，不是所有样本固定压缩。
- 从颜色校正的特写和对应退化版本裁出清晰/退化 patch 对。HR 与 LR 来源相同，所以监督没有跨实拍视图的像素错位。
训练每次在颜色校正后的特写集合中均匀选择一张，再抽取对应 patch。写成 \(c\sim\mathcal P(\widetilde C)\)、\(d\sim\mathcal P(D(\widetilde C))\) 时，两个裁块必须对应同一物理区域，不能将两个随机数调用误解为独立无关位置。
Reviewer：本文把颜色、模糊、JPEG 合并作一个消融步骤，未分别证明哪一项贡献最大。退化仍由人工选取，未提供自动判别何时启用 JPEG 的阈值、匹配误差或不同手机管线下的稳定性曲线。一个高质量复现应先核对真实全景与合成退化 patch 的分布，再开始昂贵微调。来源：固定稿 §3.1、§4.4、§5。
06 · 实例微调与流匹配目标
模型使用预训练高容量生成模型，Figure 2 与引用指向 FLUX，结合上采样 ControlNet，以低细节图像作为控制条件。冻结预训练权重，只训练低秩适配参数（LoRA），采用 DreamBooth 式实例适配。固定稿没有公开精确 FLUX checkpoint、ControlNet 版本、插入层或 LoRA rank，不应凭常见配置补齐。
原式 (3)：流匹配损失
\[ \mathcal L_{\mathrm{FM}} =\mathbb E_{c_t,t,d}\left[ \left\|\widehat{\mathbf u}_{\theta}(c_t,t,d,y)-\mathbf u(c_t,t)\right\|_2^2 \right]. \]\(c\) 为清晰目标，\(c_t\) 为对应时间的带噪样本；\(\mathbf u\) 是前向路径定义的目标速度，\(\widehat{\mathbf u}_{\theta}\) 是网络在低分辨率条件 \(d\)、文本 \(y\) 下预测的速度。平方误差使模型学习如何沿流恢复实例对应细节。固定稿只给出这一通用流目标，没有规定插值路径、噪声时间分布或采样调度，不能把常用 rectified-flow 实现参数当成文中事实。
LoRA 的常见概念表达为 \(W=W_0+BA\)：\(W_0\) 冻结，低秩矩阵 \(A,B\) 学習实例信息。该式为解释用背景式，不是论文新增编号公式；具体缩放系数和 rank 未知。优势是适配参数较少且保留生成先验，代价是每物体重复训练，并不自动保证低频保真。
提示词与条件信息
Figure 2 展示固定文本模板 Detailed closeup photo of * texture
，正文称它为每实例固定 prompt。星号是图示中的对象/材质占位，不足以推断实际 token、唯一标识符或全部材质名。本方法没有 LLM system prompt、工具调用、chain-of-thought 或 agent retry；不要将这些无关组件强行套入。
| 复现项 | 固定稿可确认信息 | 未解决细节 |
|---|---|---|
| 基础与大模型配置 | 一个预训练生成模型 + 超分 ControlNet + LoRA | 没有独立 base/large 两档结果，参数总量、checkpoint 未给出 |
| 数据 | 每对象少量特写构造训练对，特写均匀采样 | 各物体训练样本数、验证划分、训练 crop 尺寸未给出 |
| 优化 | 流匹配损失；预训练权重冻结 | 优化器、学习率、batch、训练 epoch 总数、scheduler、精度、LoRA 层/rank 未给出 |
| 硬件/时间 | 单 A100；每 epoch 约 22 分钟 | A100 显存规格、各实例总训练时间未给出 |
| 增强与退化 | 颜色匹配、尺度下采样、额外 2 倍下采样、可选 JPEG 75 | 随机增强、颜色匹配准确参数、JPEG 决策阈值未给出 |
07 · Gigapixel 推理与接缝控制
整幅 gigapixel 图无法在单 GPU 中用常规全图注意力处理。系统在每个去噪步骤提取重叠局部窗口，逐块预测；潜空间重叠区采用平均，解码到 RGB 后再混合像素重叠区。这不是“把所有块完全独立生成后只做一次图像拼接”。潜空间交流发生在多步过程中，减轻块间轨迹分叉。
固定窗口仍会重复在同一位置形成边界误差，随去噪累积。作者逐渐增大 stride，使不同去噪步骤的边界不再固定，同时减少后期窗口数量。逐步扩大 stride 的直觉有两个作用：打散接缝位置、降低计算量；但本文没有独立定量拆开两种收益。
- 选择该物体对应 LoRA 和固定文本条件，准备全景的目标尺寸/低分辨率条件
- 按当前步 stride 生成滑窗，对各局部 latent 与对应 LR 条件作速度预测
- 将窗口预测融合到共享潜空间，进行当前去噪更新
- 随步骤调整 stride，直至指定步数完成
- 解码、融合 RGB 重叠区域并输出超大图，供平移/缩放浏览
上述为从正文恢复的概念算法，不是可直接运行的官方伪代码。初始化噪声策略、边界 padding、窗口尺寸、混合权重、stride 的起止值与增量、调度器、guidance scale、解码 tiling 都未在固定稿明确。正文让读者查 supplemental，但取得的九页 PDF 没有该部分。不能仅靠 28 steps 就声称已完整复现。
计算成本算清楚
作者给出 \(18672\times18672=348648384\) 像素，约 0.349 gigapixel 的例子；28 步、stride variation 共 21,366 次前向，平均每步 763.07 次。单次 0.64 秒，合计 \(21366\times0.64/3600\approx3.80\) 小时；论文报告约 3.82 小时，两者接近且单次时间已四舍五入。不要将这个 0.349G 示例耗时推广为 5G 输出统一耗时。
每 epoch 22 分钟不是每物体总训练耗时；总 epoch 数缺失。若窗口/重叠比大致固定，计算通常随输出面积增长，这是工程推断而非作者提供的复杂度实测。训练与推理均不适合实时交互式编辑，项目浏览器中顺滑缩放的是预生成图像。来源：固定稿 §3.3、§4.5。
08 · 实验协议与完整原表
实验使用 iPhone 16 拍摄的 15 个日常物体，放大范围 6–30 倍，其中 2 个多材质对象使用多张特写；用户实验将不同特写分别作为实例，得到 18 组。该集合是实例级演示/评价，不是一个报告了标准 train/validation/test 划分的大型跨对象 benchmark。
三个基线与适配公平性
| 方法 | 如何运行 | 比较时必须记住 |
|---|---|---|
| Thera | 任意尺度隐式超分；提供本文估计尺度；全图按重叠 256×256 输入块处理 | 训练主要为 2–4 倍离散尺度；极端微距域和高倍率有外推压力 |
| ContinuousSR / ContSR | 任意尺度超分；同样提供估计尺度与 256×256 分块 | 训练 4–8 倍连续尺度；6.932 倍 shrub 仍失败，作者推测还有视野域差异 |
| ZeDuSR | 每实例训练；用全景/特写替换双相机输入；以本文配准替代失败的 SIFT；尺度向上取 2 的幂并缩小输入匹配；推理用重叠 1024×1024 块 | 仍基于跨实拍图 warp 对齐，易遭错位；从零训练轻量模型，与本文大容量预训练先验不同 |
明确不对称：作者给所有方法自己的尺度，给 ZeDuSR 自己的配准，降低了前处理劣势；但所有 baseline 都未实现边界 blending，因此接缝差异不仅反映超分模型本身，也反映后处理/推理管线。应把结果理解为当前端到端系统比较，不能全归功于 LoRA 或退化对齐。
指标究竟测什么
- LR-MAE：高分辨率结果经 bicubic 降采样后，与全景输入计算平均绝对误差。数值越低越符合输入低频结构，不直接衡量高频真实性。作为解释可写为 \(\mathrm{LR\!-\!MAE}=\operatorname{mean}|B(G)-F|\)，其中 \(B\) 是 bicubic 降采样；该表达为本解读说明式。
- Patch-FID / KID：真实特写与生成区域不逐像素对齐，因此比较随机 patch 的特征分布。约 3000 个 299×299 patch，方法间固定裁剪位置。文中未完整说明每实例/合并统计与随机种子；不能把低 FID 当作几何对应准确率。
- 用户研究：展示 1024×1024 实拍参考和各方法附近位置的输出；不同方法使用相同输出位置，参考不是完美对齐。17 人 × 18 组 × 两个问题 = 612 次选择；每个维度各 306 次。分别选视觉质量最佳、纹理细节与参考最一致的方法。
原 Table 1
| Method | LR-MAE \(\downarrow\) | P-FID \(\downarrow\) | P-KID \(\downarrow\) | User Study, Top-1 \(\uparrow\) | |
|---|---|---|---|---|---|
| Qual. | Consis. | ||||
| ContSR | 0.038 | 310.371 | 0.350 | 0.33% | 4.58% |
| Thera | 0.007 | 327.872 | 0.391 | 1.63% | 12.09% |
| ZeDuSR | 0.051 | 348.874 | 0.404 | 1.961% | 3.92% |
| Ours | 0.040 | 134.986 | 0.130 | 96.08% | 79.41% |
原表全部 4 行、5 个结果指标保留；较低更好的指标为 LR-MAE、P-FID、P-KID，两个用户选择率越高越好。原稿 ZeDuSR 质量比例写为 1.961%，本页按原表精度保留，没有统一改成另一个观测值。
数字的正确结论
- 本文 P-FID 134.986，优于最好的 baseline ContSR 310.371，下降约 56.5%；P-KID 0.130 对比 0.350，下降约 62.9%。这是 patch 分布差异的改善
- 本文 LR-MAE 0.040，不是最佳：比 Thera 的 0.007 高约 5.71 倍，也略高于 ContSR 0.038。高频细节生成与低分辨率约束存在权衡
- 用户质量选择率 96.08%，一致性选择率 79.41%，相差 16.67 个百分点；“好看”比“与真实参考一致”更容易取得共识
- 17 名参与者和 18 组并非 612 个独立对象，重复评估存在参与者/样例相关性；固定稿未报告置信区间、显著性检验或用户群体构成
“高频更多导致 MAE 更高”“narrow FoV 造成基线退化”属于作者解释，而非通过控制实验单独确定的原因。固定稿 §4.1–§4.3 是协议与数据来源。
09 · 定性结果与消融的证据强度
Figure 4：六行分别为 Shrub 6.932×、Pillow 13.324×、Couch 14.886×、Wall 1 15.107×、Carpet 23.550×、Rice 26.856×。每行比较参考、全图位置、bicubic、ContinuousSR、Thera、ZeDuSR、本文。比较时先核对纹理类型和尺度，再看锐度；参考只取附近位置，不能按像素差判断对错。正文 §4.3 指向 Fig.6，而 p.6 的主要比较编号是 Fig.4；本页按实际图号区分。
| Figure 5 累积步骤 | 作者展示的变化 | 可以/不可以推断什么 |
|---|---|---|
| ① 预训练模型默认 4 倍 | 图像可清晰，但细节幻觉 | 只靠通用先验无法保证实例纹理忠实 |
| ② 加正确尺度 | 仍有幻觉，pineapple 出现伪影、sweater 增强不足 | 正确尺度必要但不充分；不是尺度预测精度实验 |
| ③ 加实例微调 | 出现对象相关细节，尚未融入 LR 结构 | 支持实例适配有用；未量化 LoRA rank 或数据量效应 |
| ④ 加退化对齐 | 减轻训练/测试域差，但仍有绿色箭头附近淡缝 | 三种退化作为一组加入，不能分离颜色、模糊、JPEG 的贡献 |
| ⑤ 加 stride variation | 完整方法接缝更不明显 | 仅两例可视化，无接缝量化、耗时对照或统计显著性 |
两例为 Pineapple 6.355×、Sweater 16.618×。这是按固定顺序逐步加组件的定性消融，不是完整 factorial study。组件交互与顺序效应尚未被排除。原有笔记质疑颜色匹配缺少单独消融、④→⑤视觉差异有限，这些意见与固定稿证据范围一致；本次新增解读保留原始评审原文，不覆盖它。
Figure 6（固定稿 p.9）：补充 Plush 两张参考（均 6.141×）、Keyboard 6.155×、Brick 18.213×、Pasta 21.972×、Ramen 22.267×、Wall 2 29.790×。它扩展了材质与尺度的视觉覆盖，但没有新增定量表、失败率或高分辨率真值。完整结果可在官方交互页面放大查看；本交付未运行浏览器验收。
10 · Reviewer：贡献、局限与可复现性
最有价值的贡献
- 用视频桥接把困难的跨尺度静态配准改造成短时追踪，再只用粗配准做退化校准；信息利用与监督目标匹配
- 从同一特写构造严格对应的 HR/LR 训练对，避免对跨镜头错位进行错误监督
- 实例生成先验、潜空间融合、RGB 融合、stride variation 形成可工作的高分辨率管线；主表与用户研究共同支持感知质量优势
- 无需已经存在的 gigapixel 训练真值，只需要少量对象特写，降低捕获门槛
主要限制
- 局部可信不等于全局真实：重复纹理假设对铭文、唯一裂纹、缺陷检测等任务不成立；未观察区域的细节是生成的，不宜用于取证或尺寸测量
- 对象级上下文缺失：局部块不知道全图位置与物体结构，多材质边界和相似低频外观可能引发错误纹理；作者自己提出位置/布局条件方向
- 成本：每个新物体重新微调，0.349G 示例推理已约 3.82 小时；不存在实时 gigapixel 恢复证据
- 手工退化：没有自动拟合、跨设备鲁棒性或退化敏感性完整实验
- 比较不完全对等：baseline 无 blending，训练域、模型容量、预训练信息和实例优化流程不一致
- 复现缺口：固定稿缺关键 checkpoint、优化设置、crop 和 stride schedule；“Code”链接指向项目网站仓库，不能仅凭按钮名称确认训练/推理代码齐全
Paper Verified / Author Claim / Our Interpretation
| 类别 | 本页如何使用 |
|---|---|
| Paper Verified | 15 例、原表、三条公式、双空间融合、定性消融、单 A100 成本等作者明确报告的设置与结果；未在本任务独立重跑 |
| Author Claim | faithful、减少幻觉、视野域差解释；证据是统计与定性，不能扩展成逐点真实性证明 |
| Our Interpretation | 尺度方向审查、指标边界、基线公平性与因果证据评估 |
| Research Extension | 下节 proposed 研究设计，均未由本文验证 |
11 · 研究延伸：如何把想法变成可检验问题
以下均为 Research Extension。对程序化材质研究的启发是“以少量真实局部观测校准可生成的细节分布”，而不是本文已经生成了可编辑 PBR 材质。
- 自动退化拟合：把 blur、颜色映射、噪声和 JPEG 参数作为可优化变量，对真实 LR 区域与降质参考做分布匹配。固定 LoRA 训练预算，分别比较人工、学习与无对齐；同时记录 LR-MAE、Patch-KID 与真实采集 held-out close-up 误差，避免仅优化一种感知指标。
- 全局语义与多材质边界：加入全图低分辨率特征、位置编码或材质分区，评价边界附近错误纹理率，并与纯局部模型比较。应控制模型容量，不能仅用更大 backbone 证明位置条件有效。
- 显式低频约束：为生成增加降采样一致性损失或推理投影，以质量–LR-MAE 曲线呈现权衡，验证能否保留纹理优势并接近 Thera 的低频一致性。
- 缓存加速：作者提出相似块检索复用。具体实验可测复用率、GPU 小时与接缝/一致性损失，检查重复 patch 是否造成肉眼可见复制图案。
- 程序化材质版本：让局部参考约束可执行材质图的高频节点与参数，借助 renderer-in-the-loop 在多光照、多视角比较外观。输出需含可编辑 graph 或 PBR 通道，不能直接把生成 RGB 当作反照率；必须单独评测平铺、法线/粗糙度一致性及物理可辨识性。
- 真实恢复与合成的分界：建立实际扫描得到的高分辨率真值，隐藏部分特写作为测试，分别评估已观察区与未观察区；用置信度或不确定性标出“有证据恢复”与“统计合成”，比仅称 faithful 更可解释。
12 · 来源、归档建议与验收边界
- UltraZoom 固定版本入口；正文事实以用户原始九页 PDF 为准，SHA-256：4ac920ce80bb52a5edfc3278cb56ec3132661f12d4a8cdb86ac53967e5733c4e
- arXiv v1 HTML：用于交叉核对公式、数字及原图外链；公开源与固定 PDF 不能据 URL 推定字节一致
- 官方项目页：交互结果与后续说明；CoTracker3 每 100 帧重置及 SIGGRAPH Asia 2025 单独标注为网页补充
- 官方项目的 Code 链接目标：本次网页读取超时，没有核验完整训练脚本、checkpoint 或补充实现；不能宣称代码复现通过
归档候选复用既有 PDF 与论文 note。第一作者为 Jingwei Ma；Steven M. Seitz* 仅按末位作者列为通讯候选，固定稿未发现明确通讯标记，保持 unverified。上述库内链接是归档目标，不表示当前 HTML 同目录存在 People 文件。
保留现有 tags：modality/image、method/flow-matching、method/parameter-efficient-fine-tuning、task/super-resolution；项目页可建议补充，但不在本次改写既有 YAML。People 记录与索引是否存在/需补链接由后续归档核验，未写入真实仓库。
交付范围：单文件中文 HTML，内嵌 MathJax 3，六幅原图联网引用、完整原表，新增 Markdown 与保留原文精确前缀的合并候选。已做静态公式、结构、文件大小与原文哈希检查；按用户范围不运行浏览器、不执行模型、不部署、不写入原 vault。因此图片网络加载、MathJax 实际排版与 390/760/1440px 布局验收留待下载后进行，不能标成浏览器已通过。