scenario-orbit-views 设计解析:用接地穹顶与 3D 中间层生成一致的多角度环绕视图

原创2026-11-06 22:45:281,885 阅读
文章标签:AI 技能人工智能媒体生成多模态3D建模3D渲染游戏开发

scenario-orbit-views 设计解析:用接地穹顶与 3D 中间层生成一致的多角度环绕视图

本文以 scenario-orbit-views 技能的维护者笔记(skills/scenario-orbit-views/README.md)为主线,拆解这个技能为什么要在图像模型前面插入一步 3D:它如何用「接地穹顶 + 灰色黏土渲染 + 参考图重绘」把单一图片变成 25 个视角的环绕视图,哪些设计被实验验证过、哪些被明确否决,以及四个脚本各自的职责与参数契约。读完后你可以复现整条产线,理解每一步失败模式的来源,并知道在哪里必须人工看一眼。

一、起源:Full Circle 实验给出的产线基线

维护者笔记开篇就交代了这个技能的出身:它不是凭空设计的提示词模板,而是从 scenario.com/experiments 上的 Full Circle 实验蒸馏出来的产线。

实验规模在文档中有明确记录:

维度 数值
主体数量 7 个(3 个角色、1 个道具、1 个载具、1 个生物、1 栋建筑)
每个主体的机位 25 个相机视角
交付形态 带场景(on location)与无背景(without background)两套
总产出 175 次重绘(repaint)+ 175 张抠图(cutout)

也就是说,这套管线是先用真实的批量生产跑通的:7 × 25 = 175,两套输出各自独立,都来自同一套「黏土布局 → 重绘」的流程。这一点非常关键——后文所有的取舍(为什么是两个参考图、为什么不加 harmonize 后处理、为什么无背景帧要用同一帧抠图)都是在这 175 + 175 个真实产物上被验证或否决的,而不是理论推演。

笔记还特别声明了这个文件的性质:运行时不读取。它是维护者笔记,解释技能「是怎么造出来的、为什么这样选」,真正面向 Agent 执行的操作契约在 skills/scenario-orbit-views/SKILL.md。理解这一点,才能正确区分本文中的两类信息:设计动机(README)与执行步骤(SKILL.md),二者互为表里。

二、为什么必须插入 3D 步骤

这是整篇笔记的技术核心。技能的存在前提是一句判断:

让图像模型「把它转过去,给我看背面」,模型是在猜几何;而每一个角度都会在尺寸、姿态和地面接触上漂移。

一个更早的版本做法很直观:把黏土渲染(plain background)按各角度独立重绘,再把结果贴到平面背景板上。笔记记录了它在三个可量化的维度上失败:

失败模式一:尺度漂移 7% 到 53%

独立重绘的产物与黏土参考相比,会大出或小出 7% 至 53%。这个幅度足以在两个视角之间、以及在「带场景」与「无背景」两种模式之间产生明显的跳变——角色的头身比没变,但观众看到的是它在画面里忽大忽小。

这也是「独立重绘 + 后处理对齐」路线走不通的根本原因:漂移不是均匀缩放,而是每次生成各自的构图决策,无法用一个固定变换抵消。

失败模式二:平面背景板没有相机透视下的地平面

平铺的背景板不携带「相机视角下的地面」。后果有两个:主体看起来是浮着的;相机上下移动时,地平线却钉在原处不动。真实世界里相机升高,地平线在画面中下移、地面透视被压缩,而贴图背景板做不到这一点。

失败模式三:背景板分辨率低于重绘结果

背景板相对重绘结果分辨率偏低,两者拼在一起时接缝与清晰度不匹配,等于把低清背景和高清主体硬缝起来。

修复方案:接地穹顶(grounded dome)

笔记用一句话概括了修复思路:

穹顶(把全景贴到球面、下半球压平成地板、加阴影捕捉器、用世界固定的太阳)同时修好了这三件事:布局本身已经把主体按最终尺寸放在真实地板上、带着真实投影,图像模型只需要重绘它。

落实到 skills/scenario-orbit-views/scripts/render_grounded.py 的实现,这条描述对应四组具体机制:

  1. 全景球 + 下半球压平为地板。脚本用 primitive_uv_sphere_add(segments=192, ring_count=96, radius=R) 建球,球心在眼高 H = 1.6,然后逐个顶点执行 v.co.z = max(v.co.z, 0.0)——所有位于 z=0 以下的顶点被压到地板上。这样从球心看,画面复现等距柱状全景;而从环绕相机看,下半部就是一个真实平面,主体站在上面并产生真实透视。注意这个设计正好解释了「为什么从上方和下方看也能有正确透视」:地板是几何体,不是贴图。
  2. 阴影捕捉器。另建一个 size = R * 1.6 的平面,位于 z=0.002,设置 is_shadow_catcher = True,让 Cycles 只在它上面渲染阴影而不渲染表面本身。
  3. 世界固定的太阳。平行光(SUN)的方向由全景中最亮的一列推算,而不是跟着相机转——所以同一场景里所有角度的光照与投影方向一致,这正是跨视角一致性的来源。
  4. 穹顶不投射阴影。dome.visible_shadow = False,让太阳光能穿过穹顶照到主体;同时 dome.visible_camera 在渲染黏土通道时被关掉,穹顶仍留作环境光。

渲染器的选择也不是随意的:scene.render.engine = "CYCLES",脚本会尝试开启 GPU 设备,失败时打印 GPU setup failed (...), rendering on CPU 并回退到 CPU。重绘用的布局图统一 view_transform = "Standard"、PNG + RGBA 输出。

三、被测试过、也被否决过的设计选择

笔记的第二节标题是「Choices that were tested」,逐条列出五个选择及其代价。这一节是理解技能边界最有价值的部分。

1. 默认两个参考图,而不是三个

默认参考是 两张:布局图(layout)与源图(source)。团队试过加第三张——同一机位更早的一版视图,期望它为背面补充细节。结果是:

它把自己的错误也复制了过来:某个角色在每一个背面视图上都多长出了一个包,直到这些视图改回两张参考图重新生成才消失。

这条经验被写进了技能的错误清单:除非第三个参考图已被验证干净,否则保持两个参考。从源码结构看,这一步由 model_run 的 referenceImages: ["<layout asset>", "<source asset>"] 表达——顺序与语义稳定:图 1 是「精确的最终画面」,图 2 是「原始设计参考」。

2. 放弃 harmonize 后处理

试过用图像模型对完成后的视图再做一次「协调(harmonize)」统调,结果被否决:这一步会重新裁剪画面,从而破坏与黏土渲染、以及与对比滑块(compare slider)的对齐。也就是说,一致性来自「逐像素对齐同一张布局」,任何会移动构图的二次生成都会把这份对齐丢掉。

3. 放弃把旧的抠图贴到新背景上

把早期版本的抠图贴到接地背景板上也试过,同样因为尺度不匹配被放弃——回到失败模式一:不同批次的抠图不在同一个尺度基准上。

4. 无背景帧 = 同一帧抠图 + 黏土通道的真实投影

这是笔记里最精细的一条,也是很多人会做错的地方。「无背景」不是重新在影棚里重绘一张,而是:

无背景帧是同一帧重绘结果的抠图,加上来自黏土通道的 Blender 阴影;因此两种模式展示的是完全一致的主体。黏土身体会用一个膨胀(dilation)边距移除,避免露出灰色描边;边缘像素做去边(defringe),避免天空颜色跟着头发或毛发一起跑。

这条策略直接对应 skills/scenario-orbit-views/scripts/studio_shadow.py 中的两个函数:

  • shadow_alpha(clay, size, cut_alpha):从黏土通道的 alpha 推导阴影不透明度。先用 MaxFilter(9) 把主体(a > 0.9 的实心区)膨胀一圈作为「身体掩膜」,再把该区域内的不透明度清零——这就是「dilation margin,不留灰边」;随后把被抠图覆盖处的接触阴影补回来(sh = np.maximum(sh, np.where(cut_alpha > 0.5, a * (a < 0.9), 0))),保证脚下有接触影。
  • defringe(cut, radius=6):只在半透明边缘(0.01 < a <= 0.95)替换颜色,用多级高斯模糊(半径 2、6、18)从实心内部反推颜色并归一化,实现「把内部颜色外溢到边缘」,让边缘不再携带背景色。
  • 输出阶段还做了边缘淡出:以画面边界 0.12 的归一化距离做 edge 权重,乘上 strength(默认 0.55)与阴影 alpha,用一个偏暖的深色 (34, 26, 18) 作为阴影颜色。

5. Camera zero 来自轮廓 IoU 搜索,但它会骗人

相机零位(camera zero)是「源图对应哪个机位」,由轮廓 IoU 扫描求出。笔记坦诚地给出了它的弱点:

它对接近对称或紧凑的主体很弱(一个机器人只拿到 0.55 分),所以技能要求做一次目视确认。

实现见 skills/scenario-orbit-views/scripts/match_view.py:source_mask() 用图像四条边各 8 像素的中位色估计背景色,以欧氏距离阈值 28 分离前景,先做 MinFilter(5) + MaxFilter(5) 的开运算去掉噪点,再从补边后的左上角 floodfill 背景来填洞;normalise() 把掩膜裁到包围盒、按高度缩放到画布 80%、居中放在 2:1 画布上——先把尺度与位置归一化,再算 IoU,所以构图差异不影响打分;iou() 就是标准的交集比并集,空并集返回 0。

正因如此,SKILL.md 要求把最佳候选图与源图并排打开确认:「因为正面和背面可能打出几乎相同的分数」。

四、四个脚本的分工与运行契约

笔记的最后一节给出了脚本的边界,这条边界很值得强调:

render_grounded.py 在 Blender 里运行,其余三个在普通 Python 中运行,依赖 Pillow 与 numpy。

这与 SKILL.md 的说法一致:「四个脚本都由 Agent 在本地 shell 运行,而不是由 MCP 服务器运行」。也就是说,凡是「生成」的动作走 Scenario MCP 工具,凡是「几何与合成」的动作在本地跑。

脚本 运行环境 职责 产物
render_grounded.py Blender 4.x+ 在接地穹顶内按机位环渲染 bg_<key>.png、clay_<key>.png、cameras.json;--search 时改为轮廓搜索图
match_view.py Python + numpy/Pillow 求相机零位的方位角与仰角 终端输出的 IoU / az / el 排行
compose_layout.py Python + Pillow 背景板与黏土通道合成布局图 layout_<key>.jpg(quality 90)
studio_shadow.py Python + numpy/Pillow 抠图加真实投影,生成无背景帧 studio_<key>.png 与覆盖度报告

依赖极简:测试目录的依赖文件只有 numpy 与 pillow 两行(tests/scenario-orbit-views/requirements.txt)。

render_grounded.py 的参数表格

脚本的调用约定是「Blender 自己的参数在前,-- 之后才是本脚本的参数」:

blender -b --factory-startup --python render_grounded.py -- \
  --glb mesh.glb --pano pano.png --out renders/ --az0 30 --elev 10 \
  [--zoom 1.0] [--height 1.6] [--radius 14] [--yaw 0] [--lowel -10] \
  [--sunaz DEG] [--sunel 50] [--sun 3] [--size 1024] [--samples 48] [--only 00,top]

不传任何脚本参数(或只传 --)时,脚本会以退出码 1 打印自己的用法——测试 tests/scenario-orbit-views/test_render_grounded.py 明确断言了这一点(assertIn("Run with Blender", run.stderr))。

参数默认值取自脚本中的 DEFAULTS 字典,含义如下:

参数 默认值 作用
--glb 必填 图像转 3D 得到的网格(不需要贴图)
--pano 必填(--search 时不需要) 等距柱状全景图,作为穹顶环境
--out 必填 输出目录,会自动创建
--az0 0.0 相机零位方位角,整圈机位以此为起点
--elev 8.0 眼平环的仰角
--zoom 1.0 取景缩放,数值越大相机越近
--lens 50.0 焦距(mm),与 36mm 传感器宽度一起决定视场
--fill 0.78 主体在画面中的填充比例
--height 1.6 全景球心(即观察者眼高),决定地平线高度
--radius 14.0 穹顶与阴影捕捉平面的尺度基准
--yaw 0.0 世界旋转,用于对齐全景方位
--lowel -10.0 低机位环的仰角(可低于地平线)
--size 1024 输出分辨率(--search 时强制 256)
--samples 48 Cycles 采样数(--search 时强制 8)
--sunaz None 太阳方位角;缺省时从全景上半部最亮处推算
--sunel 50.0 太阳仰角
--sun 3.0 太阳能量
--only 空集 逗号分隔的机位键白名单
--search 关闭 只渲染轮廓扫描图,不建穹顶与阴影

几个实现细节值得单独说明:

  • 主体归一化。导入 GLB 后合并所有网格、清父级、应用变换,再把包围盒最大边缩放到 2 个单位,并把最低点对齐到 z=0(obj.location = Vector((-(mn.x + mx.x) / 2, -(mn.y + mx.y) / 2, -mn.z)) * s)。这一步保证了不同来源的网格在同一取景里可比——它是「跨主体一致」而非「跨视角一致」的基础。
  • 黏土材质。Principled BSDF,基础色 (0.4, 0.4, 0.4),粗糙度 0.55,并 shade_smooth()。灰色哑光是刻意的:它不携带任何身份信息,重绘时模型只能从源图取颜色。
  • 恒定轨道距离。camera_distance(dims, lens, fill, zoom) 用 fov = 2 * atan(18 / lens)、ground = sqrt(x² + y²)、span = max(z, ground) 计算距离;所以网格在任何角度都占同样画幅,--zoom 2 就是距离减半。测试里断言了 camera_distance(..., zoom=2.0) == d1 / 2。
  • 相机位置。camera_position() 用 x = cx + sin(a)·cos(e)·d、y = cy − cos(a)·cos(e)·d、z = max(cz + sin(e)·d, 0.05)——注意 z 的 max(..., 0.05),相机永不穿到地板以下。
  • 太阳方位与全景列的映射。sun_azimuth(u, yaw) 处理的是 Cycles 的等距柱状映射:图像中心朝 +X,u 从上往下看顺时针增长,因此 a = 360° · (0.5 − u) − yaw。测试用真实渲染校准过:u = 0.25 对应 +90°(+Y),u = 0.75 对应 −90°。这条公式的存在解释了为什么「世界固定的太阳」在多角度下仍然与背景光照方向一致。

25 个机位的命名规则

camera_list(az0, elev, lowel, only) 生成 25 个机位,键名是后续所有文件名的来源:

  • 00…15:眼平环,每 22.5° 一格,方向为 az0 + i × 22.5,仰角 elev;
  • high_00、high_04、high_08、high_12:仰角固定 35°;
  • low_00、low_04、low_08、low_12:仰角为 lowel;
  • top:az0 上的 88° 俯视。

模块文档里写明了坐标约定:方位角 0 是从 −Y 看向 +Y,正方位角从上往下看是逆时针走。这解释了 SKILL.md 中那句容易踩坑的提醒:键从相机零位开始计数,而不是从主体的正面开始——如果源图本身是转过来的,键 08 显示的其实是同样转角下的背面。

搜索网格与 --search 模式

search_list() 生成 19 × 4 = 76 个轮廓机位:方位角 −90° 到 +90°、步长 10°,仰角 0°、10°、20°、30°。搜索模式不建穹顶与阴影捕捉器,只用一盏平行光把灰色主体渲染成小尺寸(256px、8 采样)的透明底轮廓,因此速度远快于正式渲染。

这个网格的范围也说明了方法的适用前提:它只搜索正负 90° 与 0 到 30° 仰角,因为源图通常就是「略高于眼平、转了约 30 度」的构图。SKILL.md 对源图的建议正是:单一主体、全身带余量、纯色背景、已知相机(略高于眼平、转约 30 度)。

五、完整实操链路:一个角色八个视角加一张俯视

SKILL.md 给出的完整示例可以作为复现脚本使用。以下命令中 <...> 为占位符,工具名为 Scenario MCP 工具名。

步骤 1:上传源图

upload_asset(file_name, content_type="image/png", kind="image", file_size=<字节数>)
# 对返回的每个分片 URL 原样 PUT 字节,确认全部 200
upload_asset_complete(upload_id)

要点(与 scenario 技能一致):优先用 file_size 而不是内联 base64;分片 PUT 不要加任何额外请求头(校验头会导致 403);完成后必须调用 upload_asset_complete。如果源图不存在,也可以先用图像模型生成一张「纯色背景、相机在上方」的图。

步骤 2:推荐图像转 3D 模型并下载网格

recommend(prompt="untextured mesh from one image", max_cost_cu=<预算>)
model_schema_get(model_id)
model_run(model_id, parameters={...}, dry_run=true)   # 先报价
model_run(model_id, parameters={...}, wait=false)
jobs_wait(job_ids=[job_id])
asset_download(asset_id)

显式说明「只要几何、不要贴图」。关于报价有一个实操陷阱:图像转 3D 的作业昂贵,而 dry_run 会因缺少必填图像字段而拒绝 payload——所以对整个链路报价时,是对「任意一张已上传图片」报价。下载后保存:

curl -L "<asset_download 返回的 URL>" -o hero.glb

步骤 3:找天空盒模型并生成一张全景

search(target="models", query="skybox", public=true)

SKILL.md 明确要求用 search 而不是 recommend:recommend 没有 skybox 能力,可能返回一个边缘不环绕的通用图像模型。提示词要求「站在空旷地板的中央、视线高度、四周地板清晰可见、没有人物」。细节原理可参见 skills/scenario-skyboxes/SKILL.md。

步骤 4:搜索相机零位

blender -b --factory-startup --python skills/scenario-orbit-views/scripts/render_grounded.py -- \
  --glb hero.glb --out search --search
python3 skills/scenario-orbit-views/scripts/match_view.py hero.png search/cameras.json

输出形如:

iou 0.812  az +30  el 10

把第一行的方位角与仰角作为 <az>、<el>。必须目视确认:打开 search/search_az+030_el10.png 与源图并排看,因为正反面可能同分。

步骤 5:正式渲染并合成布局

blender -b --factory-startup --python skills/scenario-orbit-views/scripts/render_grounded.py -- \
  --glb hero.glb --pano world.png --out views \
  --az0 <az> --elev <el> --only 00,02,04,06,08,10,12,14,top
python3 skills/scenario-orbit-views/scripts/compose_layout.py views

--only 只渲染需要的机位,避免为一次八视角交付付 25 张渲染的代价。若想要「正对主体的视角」,就换一个 --az0(用搜索帧中主体正对相机的那个方位角)、输出到另一个 --out 目录再渲一轮。

合成后务必逐张检查布局图:黏土必须站在地板上,阴影在它下面。compose_layout.py 的行为很直白——把 clay_<key>.png 按 alpha 合成到 bg_<key>.png 上再转 RGB 存 JPG;keys_in() 只返回同时存在 bg_ 与 clay_ 两个通道的键,所以缺一张就会安静地跳过,这正是需要检查的原因(测试 tests/scenario-orbit-views/test_compose_layout.py 就构造了 bg_01.png 而没有对应黏土,断言不会写出 layout_01.jpg)。

步骤 6:上传布局图并逐视图重绘

每张 layout_<key>.jpg 走一次 upload_asset / PUT / upload_asset_complete。然后推荐一个支持参考图重绘的图像模型,并用 model_schema_get 确认它列出了 referenceImages 字段。笔记中提到可用的配置是:1024 见方、高质量档、不透明背景。

用 dry_run=true 报一次价——报价只覆盖一个视图,启动前要乘以视图数量。然后每个视图一次 model_run,wait=false,两张参考图:布局图在前、源图在后。

提示词模板(占位符用 {} 标出,{ground} 需要写出具体的接触关系):

Image 1 is the exact final frame: a plain gray clay 3D model standing on the ground of a
finished background, with its real cast shadow, seen from the exact camera angle wanted.
Image 2 is the original design reference of the {kind}. Repaint the gray clay model as {what},
matching Image 2 for identity, design, materials and colors: {details}. {finish}. Follow the
clay model exactly: same silhouette, pose, proportions, position and size in frame, and the
same camera angle. {ground}; keep the cast shadow of Image 1. Keep the background of Image 1:
same place, composition, perspective and horizon, in {background style}, crisp and detailed.
Light the {kind} with the scene: {light}. No gray clay left, no extra characters or objects,
no text.

模板的每一句都在对抗一种已知失败:same silhouette, pose, proportions, position and size in frame 对抗 7%–53% 的尺度漂移;keep the cast shadow of Image 1 保住接地关系;Keep the background of Image 1: same place, composition, perspective and horizon 保住穹顶提供的透视;No gray clay left 是重绘的收尾约束。{ground} 的示例是「她的靴子就踩在黏土双脚接触的湿鹅卵石上」。对图片里从未出现的部位(背后的盾牌、包的数量)要额外加一行说明。

步骤 7:等待、检查、只重跑失败的视图

jobs_wait(job_ids=[...])   # 单次最多 32 个

超时不是错误:用返回的 pending_job_ids 作为新的 job_ids 再调一次,不要重新 model_run,也不要轮询 job_get。全部完成后 asset_download 每个结果,拼一张联系表(contact sheet)逐个看——找多余肢体、左右颠倒、残留灰黏土。只重生成失败的视图;同一个提示词重跑一次通常就能修掉偶发问题。

步骤 8:生成透明底一套

recommend(prompt="background removal")
model_schema_get(model_id)      # 读出它的图像输入字段名
model_run(model_id, parameters={该字段: <重绘后的 asset_id>})

关键约束:作用在重绘后的同一张资产上,而不是新做一次影棚重绘——否则又回到「两种模式主体不一致」。下载后用黏土通道补齐真实投影:

python3 skills/scenario-orbit-views/scripts/studio_shadow.py \
  views/clay_<key>.png cut_<key>.png studio_<key>.png

可选参数:--size(默认 1024)、--strength(默认 0.55)。脚本会打印一行诊断:

wrote studio_00.png: covers 96% of the clay body, 1% outside it, corners clear

cutout_check() 的三个指标对应三种失败:covers 太低是抠图丢了主体(下半身被切掉);outside 太高是留下了背景;corners 为 OPAQUE 是边角没有清空。判断阈值来自实现:core 是主体经 MinFilter(9) 收缩后的「核心」,halo 是 MaxFilter(25) 膨胀后的「允许区」,边角取 size // 64 的方块最大 alpha,低于 0.05 才算 clear。所以「某个视图与其它视图差异明显,或边角不清」就意味着要重跑这一张的抠图。

六、代价与等待:三条不该违反的规则

虽然笔记没有逐条罗列 MCP 的经济性规则,但 SKILL.md 的错误清单把它们抬到了与几何同等的位置:

  1. 不要硬编码模型 id 或价格。用 recommend 现场发现,用 dry_run=true 报价。可用性按团队而异且持续演进,写死的 id 会在某天变成 403 或 404。
  2. 不要给 jobs_wait 传超过 32 个 id,也不要轮询 job_get。批处理时把视图分成不超过 32 的批次。
  3. 不要不看图就交付。联系表检查是产线的一部分:多余肢体、错误的一侧、残留灰黏土,这些只能靠眼睛发现。

此外,如果团队触发了并发上限(429 且 actionName 为 parallel-custom-jobs),正确做法是保持 wait=false 启动、用 jobs_wait 回收后再启动下一批,立即重试只会重复同一条错误。

七、复现与验证:哪些被测试覆盖,哪些必须真跑

笔记对测试边界说得很清楚:

tests/scenario-orbit-views/ 覆盖纯函数;Blender 场景代码只能由一次真实渲染来验证。

这四个测试文件的分工如下:

测试文件 覆盖对象 典型断言
test_render_grounded.py 参数解析、机位表、距离、位置、太阳方位 25 个机位且首尾为 00/top;low_00 仰角等于 lowel;搜索网格 76 个;zoom 加倍距离减半;sun_azimuth(0.25) == 90.0
test_match_view.py iou、normalise、source_mask、rank 不同尺度与位置的同一形状 IoU > 0.9;洞被填上;正确的候选排第一
test_compose_layout.py 合成、键筛选、主流程 输出为 RGB、中心取黏土色、角落保留背景色;只有成对的键才出图
test_studio_shadow.py 阴影提取、合成、抠图检查、去边 身体内部阴影为 0、身体边缘留白为 0、远处地面阴影 > 0.3;全不透明蒙版被判为「外溢过半 + 边角 OPAQUE」;去边只改半透明像素且保留 alpha

运行方式(依赖只有 numpy 与 pillow):

python3 -m unittest discover -s tests/scenario-orbit-views -v

而「Blender 场景代码只能由真实渲染验证」这条限制意味着:穹顶压平、阴影捕捉、太阳方位、GPU 回退这些行为没有单元测试兜底。所以流程里那句「看每一张布局图:黏土必须站在地板上,阴影在它下面」不是形式主义,它是这条产线唯一的地面真值检查点。

八、常见错误清单(来自实验记录的负面知识)

SKILL.md 的 Common mistakes 一节,本质上是笔记中那些失败的索引。逐条对照可以形成排查表:

错误做法 后果 正确做法
在纯色背景上独立重绘每个角度 视图之间尺度漂移 7%–53% 重绘接地布局图,并抠同一帧
把主体合成到平面背景照片上 主体漂浮,地平线不随相机移动 用穹顶地板,俯视仰视才有真透视
加第三个参考图(如同机位的旧视图) 错误被复制(某次每个背面都多一个包) 保持两个参考,除非第三张已验证干净
对完成视图做 harmonize 重新裁帧,破坏与黏土的对齐 不做二次生成式统调
跳过相机零位 视图 00 与用户给的源图对不上 先 --search + match_view.py + 目视
硬编码模型 id 或价格 因团队可用性或价格变化而失败 recommend 发现,dry_run 报价
jobs_wait 传超 32 个 id 或轮询 job_get 调用失败或浪费配额 分批 32,超时用 pending_job_ids
不看图就交付 多余肢体、左右反、残留灰黏土 联系表逐张检查

九、把这条管线放到更大的技能图谱里

笔记自身的定位很克制:它解决的是「一张图要看新角度」这一个问题,并把相邻问题交给兄弟技能:

在安装层面,该技能被归入 README.md 的「Game art and 3D」分组,一行描述准确概括了本文的全部要点:「通过 3D 中间层为一张图生成新相机角度:接地全景中的黏土布局、逐相机重绘、匹配好的透明底一套」(见 README.md 的 Skills 表格)。若从零安装,可参考 INSTALL.md 中 3D Artist 分组的命令,把 scenario-orbit-views 与 scenario、scenario-3d、scenario-skyboxes 一起装上;若技能已在本地但缺少兄弟技能,按 SKILL.md 的说明用 skill_get 加载,或让用户安装后在无人值守场景下依据工具 schema 继续并标记缺口。

十、结语:这个技能真正的贡献是「把猜测换成几何」

回看维护者笔记,全文没有一句关于提示词技巧的炫耀,它讲的都是同一件事:能被几何固定的,就不要交给模型去猜。

  • 尺寸与画幅由 camera_distance 与归一化到 2 单位的网格固定;
  • 接地与投影由压平的穹顶、阴影捕捉器与世界固定太阳固定;
  • 透视与地平线由真实地板几何固定;
  • 相机零位由可复核的 IoU 搜索加人工目视固定;
  • 两种输出模式的一致性由「同一帧重绘 + 同一帧抠图」固定;
  • 唯一放开给图像模型的,是身份、材质、颜色与完成度——也就是它真正擅长的事。

理解了这条分工线,你不仅能跑通这 175 + 175 的产线,也能在遇到新的「多视角一致性」需求时判断:哪些该进 Blender,哪些该留在模型里。

登录后查看全文
skills