Illustration 1
Position: 3.1 体素与栅格生成 → 3.4 可微表面积生成 四大范式总览 Purpose: 对比四大3D生成范式的核心思想、代表方法、优势与局限 Visual Content: 四列对比信息图：体素/栅格（3D-GAN, OGN）、点云/结构（PointFlow, Point-E）、隐式场/神经场（NeRF, DreamFusion, 3DGS）、可微表面积（DIB-R, GET3D），每列标注核心表示形式、代表方法、优势、局限，用颜色区分 Filename: 01-comparison-generation-paradigms.png
Illustration 2
Position: 3.3.1 NeRF原理完全推导 Purpose: 可视化NeRF体渲染推导链——从光线到最终图像 Visual Content: 信息图展示推导链：相机发出光线→沿光线采样点→每个点查询MLP得到密度σ和颜色c→透射率T累积→离散体渲染积分→最终像素颜色，标注关键公式和物理含义 Filename: 02-infographic-nerf-volumetric-rendering.png
Illustration 3
Position: 3.3.3 DreamFusion与SDS Purpose: 展示SDS优化循环的完整流程 Visual Content: 流程图展示SDS闭环：NeRF渲染图像→VAE编码到潜空间→加噪得到z_t→U-Net预测噪声→计算梯度(ε_φ - ε)→链式法则传播到NeRF→更新参数，标注CFG scale=100、冻结扩散模型、可微渲染等关键概念 Filename: 03-flowchart-sds-optimization.png
Illustration 4
Position: 3.3.4 ProlificDreamer与VSD Purpose: 对比SDS的delta分布假设与VSD的变分分布假设 Visual Content: 左右对比图：左侧SDS将渲染分布建模为delta函数（单点估计，导致过饱和和模式崩溃），右侧VSD建模为变分分布q(x|y)（含熵正则化，保持多样性），标注KL散度最小化和LoRA近似 Filename: 04-comparison-sds-vs-vsd.png
Illustration 5
Position: 3.3.4 3D Gaussian Splatting生成式应用 Purpose: 展示基于3DGS的生成管线 Visual Content: 信息图展示3DGS生成管线：初始化高斯（椭球/SfM点云）→SDS优化循环→自适应密度控制（克隆/分裂/剪枝）→高斯泼溅渲染，标注关键参数（μ,Σ,SH,α）和速度优势 Filename: 05-infographic-3dgs-generation.png
Illustration 6
Position: 3.3.4 Magic3D两阶段策略 Purpose: 可视化Magic3D由粗到精的两阶段架构 Visual Content: 框架图展示两阶段：阶段1粗NeRF（Instant-NGP哈希编码 + 64×64 SDS → 拓扑探索），阶段2精细DMTet（可微Marching Tetrahedra + 512×512 SDS + nvdiffrast光栅化 → 几何精修），中间用箭头标注"隐式→显式转换" Filename: 06-framework-two-stage-strategy.png
Illustration 7
Position: 3.5 前馈vs优化范式对比 Purpose: 对比前馈模型与优化模型的核心差异 Visual Content: 左右对比框架图：左侧前馈模型（LRM/InstantMesh/TripoSR：单次前向、秒级生成、高确定性、受训练数据限制），右侧优化模型（DreamFusion/ProlificDreamer：迭代优化、分钟级、2D先验强约束、低确定性），底部标注融合趋势 Filename: 07-comparison-feedforward-vs-optimization.png