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
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:
- 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。 - 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。 - 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。 - 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:
- 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。 - 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。 - 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:
- 连接方式与核心生成循环 → skills/scenario/SKILL.md
- 图像转 3D 的模型选型与族系契约 → skills/scenario-3d/SKILL.md
- 背景全景(天空盒)的生成与接缝处理 → skills/scenario-skyboxes/SKILL.md
- 已完成的网格做 PBR 重贴图 → skills/scenario-patina-retexture/SKILL.md
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。