Scenario Orbit Views 实战:用 3D 中转让单张图片稳定生成 360 度多视角
Scenario Orbit Views 实战:用 3D 中转让单张图片稳定生成 360 度多视角
在 AI 图像工作流里,让模型“把角色转过去,给个背面”几乎必然翻车:几何靠猜、比例漂移、脚不着地。Scenario 仓库中的 scenario-orbit-views 技能给出了工程化的替代方案——先把图片重建为无贴图网格,在“接地穹顶”全景中为每个相机位渲染灰色粘土(clay)布局,再由支持参考图的图像模型逐帧重绘。本文按 SKILL.md 的原始脉络,结合四个脚本与测试用例的源码实现,把这条流水线拆解成可直接复制的操作手册。
核心洞察:为什么必须插入一个 3D 步骤
直接提示图像模型“从背后看它”,模型只能依赖训练先验去猜遮挡关系。每一次独立生成都会重新决定尺寸、姿态和与地面的接触点,于是同一组视角拼在一起时会明显“跳”。
仓库维护者笔记 skills/scenario-orbit-views/README.md 记录了早期版本的失败方式,这些不是主观感受,而是可量化的问题:
| 失败模式 | 具体表现 | 根因 |
|---|---|---|
| 比例漂移 | 独立重绘的视角比粘土渲染大或小 7% 到 53%,同一角色在不同视角间突然变大变小 | 每个视角都是独立采样,模型没有共享的尺度锚点 |
| 悬空 | 主体浮在平面背景板上,相机上下移动时地平线不动 | 平面背景板没有处于相机透视中的地面 |
| 分辨率不匹配 | 背景板分辨率低于重绘结果,接缝明显 | 背景板与生成图非同源 |
因此该技能采用“3D 固定几何、图像补充外观”的分工:
- 网格负责:轮廓(silhouette)、尺度、透视关系;
- 原始图片负责:身份特征、颜色、材质与完成度。
最终输出的每一帧,都是“真实相机视角下的 3D 布局 + 一次参考图重绘”。这也是该技能被归入仓库 README 中 “Game art and 3D” 分类的原因:它解决的是同一资产的多角度一致性,而不是单张好看。
流水线总览
原文档的快速参考表是理解整条链路最紧凑的索引,这里完整保留并补充关键约束:
| 步骤 | 做法 | 关键约束 |
|---|---|---|
| 源图 | 单主体、全身带边距、纯色背景、相机姿态已知(略高于视平线、约转 30 度) | 姿态越明确,相机零点越容易匹配 |
| 网格 | recommend 一个 image-to-3D 模型,只要几何(不需要贴图),asset_download 取回 GLB |
贴图对 clay 渲染无用,可省成本 |
| 世界 | 同画风的 skybox 全景,视点周围是平坦开阔地面 | 地面必须环绕视点,否则俯视/仰视会穿帮 |
| 相机零点 | 先跑 render_grounded.py 的 --search,再用 match_view.py 排序 |
必须肉眼复核,正反面可能同分 |
| 布局 | render_grounded.py 渲染,再用 compose_layout.py 合成 |
每个相机位都要有:背景、clay、真实投影 |
| 上传 | upload_asset 传 file_size,PUT 分片,upload_asset_complete |
每个布局单独一次上传 |
| 重绘 | 支持参考图的图像模型,referenceImages: [layout, source],使用固定提示词模板 |
参考图保持两张 |
| 无背景组 | 对同一张重绘帧做背景移除,再跑 studio_shadow.py | 不能重新做一次“棚拍重绘” |
| 等待 | jobs_wait 每次最多 32 个 id,超时用 pending_job_ids 续等 |
不要循环轮询 job_get |
四个脚本全部由 Agent 在本地 shell 执行,而不是由 MCP 服务器执行。其中 render_grounded.py 必须运行在 Blender 内部(blender -b --factory-startup --python render_grounded.py -- ...),另外三个只需要 Python 加 Pillow、numpy(依赖声明见 tests/scenario-orbit-views/requirements.txt)。任何脚本在无参数运行时都会打印自己的用法。
环境前提与依赖边界
在第一次产生费用的步骤之前,先确认本地环境:
- Blender 4.x 或更高版本。macOS 上通常不在 PATH 里,而是
/Applications/Blender.app/Contents/MacOS/Blender。 - Python 3 + Pillow + numpy,用于
match_view.py、compose_layout.py、studio_shadow.py。 - Scenario MCP 连接:端点、OAuth 与 scope 解析见 skills/scenario/SKILL.md。所有生成类动作都走 MCP 工具。
- 可选的同级技能:图片转 3D 的选型见 skills/scenario-3d/SKILL.md,全景背景见 skills/scenario-skyboxes/SKILL.md。同级技能未安装时可用
skill_get加载;无人值守场景下应基于工具 schema 继续执行,并显式标注这个缺口。
Blender 缺失时必须停下并报告——没有任何 MCP 工具能按指定相机渲染网格,这是整条链路唯一无法用云服务替代的环节。
第一步:准备一张“能被反推”的源图
源图质量决定了相机零点匹配与重绘的一致性。技能要求:
- 只有一个主体,全身入画并留出边距(不要把头顶和脚切掉,否则剪影匹配会失真);
- 纯色或简单背景,因为
match_view.py需要从图像边框估计背景色来分离前景; - 相机姿态已知且明确:略高于视平线、主体大约转过 30 度。这个角度既保留了正面信息,又暴露了侧面轮廓,便于后续判断 3/4 视图。
如果用户没有合适图片,可以先让图像模型生成一张“纯背景 + 相机略高于主体”的概念图,再把它作为源图。身份一致性由这张图承担,因此它必须是最终想要的外观。
第二步:重建无贴图网格
模型选型与计价
用 recommend 以用户自己的措辞描述需求(例如 “untextured mesh from one image”);用户设了预算时同时传 max_cost_cu。拿到候选后再 model_schema_get,最后用 model_run 配 dry_run=true 询价。
原文档给出了一条容易被忽略的实操细节:
image-to-3D 任务较贵;而
dry_run会拒绝缺少必填图片字段的载荷,所以在源图尚不存在时,想为整条链路报价,只能针对任一张已上传的图片来询价。
也就是说:询价必须在真实图片资产存在之后进行,不要试图用占位 id 提前算总价(占位 id 会在文件字段解析阶段直接 404,报价为空)。这个陷阱在 skills/scenario/SKILL.md 的 “Common mistakes” 中也有对应记录。
提交与下载
upload_asset上传源图并upload_asset_complete;model_run以真实资产 id 运行,wait=false拿job_id;jobs_wait等待,超时则用返回的pending_job_ids再次调用;asset_download得到 URL,用curl -L保存为.glb(URL 可能重定向)。
几何不需要贴图,所以在 schema 允许时可以关闭纹理选项,这通常也是 cost_impact 字段,能直接降低成本。关于各 3D 家族(Hunyuan、Meshy、Tripo、Trellis、Rodin 等)的字段差异,应按 skills/scenario-3d/SKILL.md 的方法逐字段读取,不要硬编码模型 id。
第三步:构建“接地穹顶”全景
为什么普通 skybox 不够,普通图片模型更不行
recommend 没有 skybox 能力项,它可能返回一个普通图像模型,产出的“全景”边缘并不环绕。正确做法是按 scenario-skyboxes 的教学用 search 显式检索:
search(target="models", query="skybox", public=true)
提示词要求(原文档给出的措辞非常关键):
“视点站在一个开阔空旷地面的中央、视平线高度,四周地面清晰可见,画面中没有人物。”
这条约束的目的不是构图美感,而是让渲染时的“地面”有真实材质可采样:穹顶下半球被压平为 z=0 的地板,若全景下半部分本身是山体或建筑,压平后会出现拉伸与错位。
穹顶的几何构造(源码级)
render_grounded.py 用约 30 行代码完成了“全景球 → 接地地板”的转换:
- 以视点高度
H(默认--height 1.6)为球心创建 UV 球,segments=192, ring_count=96,半径R(默认--radius 14); - 遍历所有顶点,执行
v.co.z = max(v.co.z, 0.0)—— 把下半球压平到地面; - 材质用几何节点取世界位置,减去
(0,0,H),经Mapping节点施加--yaw旋转,再送入ShaderNodeTexEnvironment采样等距柱状(equirectangular)全景,最后接 Emission 输出; - 设置
dome.visible_shadow = False,让阳光能穿过穹顶照到主体; - 添加
size = R * 1.6的平面(默认约 22.4 米)并设is_shadow_catcher = True。
这种构造的妙处在于:从球心看,它复现全景;从轨道相机看,地板是真实平面。因此俯视时地平线会正确下沉,仰视时能看到地面透视收缩,而不是贴一张静止背景图。
太阳方位自动推导
若未显式给 --sunaz,脚本会扫描全景图像上半部(y 从 h//2 开始,步长 8),按 Rec.709 亮度权重 0.2126R + 0.7152G + 0.0722B 找最亮的列索引,再换算成世界方位角:
def sun_azimuth(u, yaw=0.0):
a = math.radians(360.0 * (0.5 - u) - yaw)
return math.degrees(math.atan2(math.sin(a), math.cos(a)))
其中 u 是归一化列坐标(0..1)。这段映射不是随手写的:Cycles 把方向 (cos p, sin p) 映射为 u = 0.5 - p / 2π,即图像中心朝向 +X,u 从上方看顺时针增长。tests/scenario-orbit-views/test_render_grounded.py 用真实渲染结论固定了这个行为:u=0.25 落在 +Y(方位 90°),u=0.75 落在 -90°,yaw=90 时 u=0.25 归零。
太阳本身是 SUN 类型,energy 由 --sun(默认 3.0)控制,角直径 12° 带来柔和半影;方向由方位角与 --sunel(默认 50°)合成向量后反解欧拉角。默认参数下是一束略偏高的自然光,投影落在地面上、方向与全景中的亮部一致,这正是“重绘时保留投影”的前提。
第四步:确定相机零点
搜索模式
blender -b --factory-startup --python render_grounded.py -- \
--glb hero.glb --out search --search
注意两点:
--search不需要--pano(parse_args中有显式判断,测试test_search_does_not_need_a_panorama固定了该行为);- Blender 自身的参数在
--之前,脚本参数在--之后;若没有--或--是最后一个参数,脚本会打印用法并以状态码 1 退出(见测试test_no_script_arguments_prints_usage)。
搜索网格由 search_list() 定义:方位角 -90..90 步长 10(19 个),俯仰角 0/10/20/30(4 个),共 76 个剪影,渲染尺寸 256、采样 8、透明背景、仅 clay 无穹顶。文件名形如 search_az+030_el10.png,同时写出 cameras.json 记录每个视角的 az、el 与 file。
剪影匹配的原理
python3 match_view.py hero.png search/cameras.json
match_view.py 的核心是三段处理:
- 前景掩码:取图像四周各 8 像素边框的中位数颜色作为背景估计,计算每像素到该颜色的欧氏距离,阈值默认 28 得到前景;再做
MinFilter(5)+MaxFilter(5)的开运算去掉噪点;最后从补边后的左上角做泛洪填充,未被访问到的区域即为主体内部(补洞)。 - 归一化:把掩码裁到外接矩形,按高度缩放到
size * 0.8(size=160),居中放到 160×320 的 2:1 画布上。先归一化再比 IoU,所以构图差异、缩放差异都不影响打分。 - 排序:对每张
search_*.png取 alpha > 127 作为掩码,同样归一化后算交并比,输出前--top行(默认 6)。
输出格式:
iou 0.912 az +30 el 10
iou 0.804 az +20 el 10
必须肉眼复核
原文档明确警告:正面和背面可能得到相近分数,所以要把得分最高的那张 search_az..._el...png 与源图并排打开确认。维护者笔记给出了一个真实数字:某机器人主体的最佳 IoU 只有 0.55,因为近对称或紧凑形体在剪影上本就难以区分。把这两个数传给后续渲染:
blender -b --factory-startup --python render_grounded.py -- \
--glb hero.glb --pano world.png --out views \
--az0 30 --elev 10 --only 00,02,04,06,08,10,12,14,top
第五步:渲染 25 个命名相机位
相机键的语义
camera_list() 生成 25 个机位:
| 组别 | 键 | 方位 | 俯仰 |
|---|---|---|---|
| 视平线环 | 00–15 |
az0 + i*22.5°,共 16 个 |
--elev(默认 8) |
| 高机位 | high_00/04/08/12 |
同上四个方位 | 固定 35° |
| 低机位 | low_00/04/08/12 |
同上四个方位 | --lowel(默认 -10) |
| 顶视 | top |
az0 |
88° |
关键理解:键是从相机零点开始计数的,不是从主体正面计数。所以源图若是“转过 30 度”的姿态,08 号键(零点 +180°)展示的是同一转角下的背面,而不是严格的正后方。若需要严格正对主体的正交视角,应另设一个 --out 目录,并把 --az0 设为搜索帧中主体正对相机的那一帧角度。
--only 支持任意子集(逗号分隔,如 00,02,04,06,08,10,12,14,top),用于“8 个环绕 + 1 个顶视”的常见交付;不传则渲染全部 25 个。
相机构图数学
相机距离由 camera_distance() 计算,目标是让同一网格在每个角度都保持一致的取景:
fov = 2 * math.atan(18 / lens) # sensor_width 固定 36mm,半幅 18mm
ground = math.sqrt(dims[0] ** 2 + dims[1] ** 2) # 底面投影对角线
span = max(dims[2], ground) # 取立面高度与底面投影的较大者
dist = ((span / 2) / math.tan(fov / 2) / fill + ground / 2) / zoom
--lens默认 50mm → 水平视场约 39.6°;--fill默认 0.78,表示主体约占画面的 78%,留出安全边距;- 公式中的
+ ground / 2补偿了相机绕中心旋转时底面投影的前后偏移,避免大底盘物体在侧视时出画; --zoom是纯缩放因子:测试验证zoom=2时距离精确减半。
相机位置由 camera_position() 给出,采用“方位角 0 从 -Y 看向 +Y、正方位角从上方看逆时针行走”的约定,且 z 被限制在 >= 0.05,保证低机位不会钻到地板下面(测试 test_position_orbits_at_distance_and_stays_above_floor 覆盖)。
每个机位输出两张图
渲染循环对每个键写两个文件:
| 文件 | 穹顶可见 | clay 可见 | 透明背景 | 用途 |
|---|---|---|---|---|
bg_<key>.png |
是 | 否 | 否 | 正确透视下的背景板 |
clay_<key>.png |
仅隐藏于相机(仍提供环境光) | 是 | 是 | 灰模 + 真实投影 |
渲染引擎为 Cycles,优先启用 GPU,失败则回退 CPU 并打印警告;--samples 默认 48,搜索模式固定 8;开启降噪;色彩变换使用 Standard(避免 AgX/Filmic 改变灰色 clay 的中性色);输出 RGBA PNG。
clay 材质也做了固定:Base Color (0.4, 0.4, 0.4)、Roughness 0.55,即中性哑光灰。这个选择是为了让重绘模型有明确的“这是待上色的占位体”信号,同时不引入额外色彩倾向。
合成布局
python3 compose_layout.py views # 目录内所有成对键
python3 compose_layout.py views 00 high_04 # 指定键
compose_layout.py 只做一件事:把透明的 clay 图按 alpha 叠加到背景板上,若两者尺寸不一致则用 LANCZOS 缩放 clay 到背景尺寸,最后转 RGB 存为 layout_<key>.jpg(质量 90,兼顾体积与细节)。
keys_in() 用 bg_*.png 与 clay_*.png 的键集合求交集,因此只有两张图都渲染成功的键才会被合成——测试 test_keys_need_both_passes 明确验证了缺少 clay 的 bg_01.png 不会产出 layout_01.jpg。
合成完成后必须逐张目检:clay 必须站在地面上,投影必须在它脚下。这是整条链路唯一“人能一眼看出对错”的检查点。
第六步:上传布局并逐视角重绘
上传的精确调用序列
布局是本地文件,需要变成 Scenario 资产 id:
upload_asset,必填file_name、content_type、kind(此处为image),并在file_size与data中恰好提供一个;- 推荐用
file_size(从磁盘读出的精确字节数),响应会返回预签名分片 URL 与instructions; - 对每个分片 URL 直接 PUT 原始字节,不要添加任何请求头(额外的校验头会导致 403),确认每片都返回 200;
upload_asset_complete传upload_id完成上传。
upload_asset_complete 与 upload_asset 只接受 scope 参数,不接受分片列表或 etag。每个布局独立执行这一整轮。
重绘模型的选择标准
用 recommend 找“支持参考图重绘”的图像模型,然后用 model_schema_get 确认其参数里确实存在 referenceImages 字段(文件字段在 Scenario 中一律接受资产 id,即使字段名看起来像 URL)。原文档给出的实践经验:1024 方形、较高质量档位、不透明背景表现良好。
计价时执行一次 dry_run=true:一次报价只覆盖一张图,启动前要乘以视角数量。
完整提示词模板
这是该技能最关键的可复用资产。逐字段使用,不要随意删减:
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.
字段含义:
{kind}:角色 / 生物 / 道具 / 载具 / 建筑;{what}:要重绘成什么;{details}:材质、纹样、配色等设计细节;{finish}:完成度与风格(例如 “weathered matte finish”);{ground}:接触描述,例如 “Her boots stand on the wet cobblestones exactly where the clay feet touch the ground”;{background style}:背景风格;{light}:与场景一致的光照描述。
原文档特别提醒:图片从未展示过的部位要单独加一句,比如“背后有一面盾牌”“背包数量为两个”。否则模型会自由发挥,而这些发挥在不同视角间往往矛盾。
并发提交
每个视角一次 model_run:
{
"parameters": {
"referenceImages": ["<layout asset id>", "<source asset id>"],
"prompt": "<上面模板填充后的文本>"
},
"wait": false
}
referenceImages 顺序固定为 [layout, source],因为提示词以 “Image 1 / Image 2” 指代它们。
第七步:批量等待与质检
jobs_wait 单次最多 32 个 id。超时返回 in_progress 属于正常情况,应使用返回的 pending_job_ids 作为下一轮的 job_ids 再次调用;不要重新提交、不要取消、也不要用 job_get 循环轮询。场景技能的说明还指出 job_cancel 对多数生成任务会被拒绝,所以批量启动前就要规划好“没有中止路径”这一点。
所有结果下载后,拼一张 contact sheet(接触表)统一检查:
- 是否多出手脚、指头;
- 左右是否被镜像反了;
- 是否残留灰色 clay;
- 与相邻视角的尺寸、位置是否连贯。
只重跑失败的视角,同样的提示词再来一次通常就能修掉偶发问题。
第八步:透明背景组
透明交付不是“重新生成一张棚拍图”,而是对同一张重绘帧做抠图,再叠加来自 clay 通道的真实投影。这样才能保证有背景和无背景两种模式展示的是同一个主体、同一姿态。
流程:
recommend一个背景移除模型;- 从
model_schema_get读出它的图像字段名(各模型命名不同); - 对每张已重绘完成的资产 id 运行该模型,而不是对新的渲染结果运行;
- 下载抠图结果;
- 合成:
python3 studio_shadow.py views/clay_00.png cut_00.png studio_00.png
# 可选:--size 1024(默认) --strength 0.55(默认)
投影的提取逻辑
studio_shadow.py 的 shadow_alpha() 靠 alpha 语义区分“主体”与“投影”:
a = alpha(clay, size)
body = MaxFilter(9)(a > 0.9) # 把实体区域向外膨胀,形成保护带
sh = where(body > 0, 0.0, where(a < 0.9, a, 0.0))
# 再用抠图自身的 alpha 恢复接触阴影(被抠图盖住的那部分投影仍需存在)
sh = maximum(sh, where(cut_alpha > 0.5, a * (a < 0.9), 0))
即:不透明像素是 clay 本体,半透明像素是投影。实体区域先膨胀 9 像素再清零,保证抠图边缘不会露出一圈灰色轮廓。最后 GaussianBlur(3) 软化,并按距边缘 12% 的范围做线性淡出,避免投影被硬切在画面边界。
边缘去色溢(defringe)
defringe() 处理发丝、绒毛这类半透明边缘:先把 alpha > 0.95 的实心区域作为颜色源,用半径 2、6、18 三档高斯模糊做加权累积,得到“从内部向外渗出的颜色”,再只替换 0.01 < alpha ≤ 0.95 的边缘像素的 RGB,alpha 保持不变。测试 test_defringe_recolors_edges_only 验证:内部实心像素颜色不变,边缘的蓝色溢色被内部红色替代,alpha 仍为 128。
内置自检指标
studio_shadow.py 结束时会打印一行诊断:
wrote studio_00.png: covers 98% of the clay body, 0% outside it, corners clear
三个指标由 cutout_check() 计算:
| 指标 | 算法 | 含义与阈值 |
|---|---|---|
covers |
抠图前景 ∩ 腐蚀后的 clay 本体 / 本体面积 | 太低说明丢了主体(测试中把下半身抹掉后降到 0.6 以下) |
outside |
抠图前景中落在膨胀 25 像素光晕外的比例 | 太高说明背景没抠干净(测试中全不透明输入得到 > 0.5) |
corners |
四角 size//64 方块的最大 alpha |
≥ 0.05 判为 OPAQUE,说明画面角落残留背景 |
三者结合可以自动发现“某个视角的抠图跑偏了”,只需重跑那一个视角的背景移除,无需重绘。
常见错误与实测依据
原文档列出的每一条都对应一次真实踩坑,这里补充成因与修复方式:
| 错误做法 | 后果 | 正确做法 |
|---|---|---|
| 在纯背景上逐个角度独立重绘 | 测试中视角间尺寸漂移 7%–53%,主体在视角与模式间跳动 | 始终重绘“接地布局”,并对同一帧做抠图 |
| 把主体合成到平面背景照片上 | 主体悬空;相机上下移动时地平线不动 | 使用穹顶地板,让俯仰视角获得真实透视 |
| 加入第三张参考图(如同一角度的上一版) | 错误被复制——某次运行中每个背面视角都多出一个包 | 保持两张参考;除非第三张已确认干净 |
| 对成品视角做一次 “harmonize” 重绘 | 会重新裁切画面,破坏与 clay 的对齐 | 不做后置重绘;需要修改就重跑该视角 |
| 跳过相机零点 | 视图 00 与用户原始图片对不上 |
必定执行 --search + match_view.py |
| 硬编码模型 id 或价格 | 目录轮换、按团队可见性不同,随时失效 | recommend 发现、dry_run 计价 |
给 jobs_wait 传超过 32 个 id,或轮询 job_get |
参数被拒或产生无谓调用 | 分批 32,超时用 pending_job_ids |
| 不看图就交付 | 多肢、镜像、残留灰模 | 拼 contact sheet 逐张检查 |
一次真实规模的验证:Full Circle 实验
维护者笔记记录了这个技能的来源:在 scenario.com/experiments 的 Full Circle 实验中,7 个主体(3 个角色、1 个道具、1 个载具、1 个生物、1 个建筑)各自从一张图片出发,生成 25 个相机视角,分“实景”和“无背景”两种模式。合计 175 次重绘与 175 次抠图全部由这条流水线产出。25 × 7 = 175 的规模说明:这套流程的设计目标就是批量化的一致性,而不是单张精修。
同一份笔记还说明了为什么放弃若干“看起来更省事”的做法:平面背景板分辨率低于重绘结果;粘贴早前抠图到接地背景的方案因尺度不匹配被否决;相机零点的剪影 IoU 对近对称主体偏弱(某机器人 0.55),因此流程中强制加入人眼复核。
源码与测试索引
想继续深入或改造这条流水线,可以从这些文件入手:
| 关注点 | 文件 |
|---|---|
| 技能主流程与提示词模板 | skills/scenario-orbit-views/SKILL.md |
| 构建决策与失败数据 | skills/scenario-orbit-views/README.md |
| 穹顶几何、相机数学、太阳方位 | render_grounded.py |
| 布局合成 | compose_layout.py |
| 剪影掩码与 IoU 排序 | match_view.py |
| 投影提取、去色溢、抠图自检 | studio_shadow.py |
| 参数解析、相机列表、距离公式测试 | test_render_grounded.py |
| 掩码与排序测试 | test_match_view.py |
| 合成与键匹配测试 | test_compose_layout.py |
| 投影与边缘处理测试 | test_studio_shadow.py |
需要注意测试的边界:这些用例覆盖的是纯函数(参数解析、相机列表、距离公式、方位角换算、IoU、掩码、合成、投影提取),Blender 场景构建部分只有真实渲染才能验证。因此改动 render_grounded.py 的节点图或材质后,必须实际跑一次渲染来确认,不能只看单测通过。
交付前的自检清单
- 相机零点:
match_view.py的最高分行是否与源图目视一致?正反面同分时是否复核过? - 布局质量:每张
layout_<key>.jpg的 clay 是否站在地面、投影是否在脚下? - 参考图数量:是否严格为
[layout, source]两张? - 缺失部位:提示词是否为背面元素(盾牌、背包数量)单独加了描述?
- 成本:是否为单个视角做过
dry_run并乘以视角数? - 批次:
jobs_wait是否每批 ≤ 32,超时是否用pending_job_ids? - 透明组:
studio_shadow.py打印的covers与corners是否全部正常? - 成品检查:contact sheet 是否逐张看过,多余肢体、镜像、残留灰模是否清零?
把这张清单执行完,你就得到了一组同一主体、同一尺度、同一地面、同一光照的多角度渲染——这正是“让图像模型猜角度”永远无法稳定给出的东西。