几何验证能发现结构缺陷，但有些问题只有"看起来"才知道不对——贴图扭曲、材质错配、语义异常。渲染与视觉验证补上了这个维度，而闭环融合把"发现问题"和"解决问题"连成循环。
为什么需要视觉验证？
几何上完全合法的模型（水密、无穿插、法线一致），渲染出来可能：
- 贴图拉伸变形
- 材质分配错误（金属件看着像塑料）
- 语义不合理（人长五条腿）
这些问题的本质是：几何维度覆盖不到的缺陷。几何验证检查的是"结构对不对"，视觉验证检查的是"看起来对不对"。
🧭 引导过程：用户一开始以为几何方法能覆盖所有问题，经过引导后自己总结出"几何验证和视觉验证是互补的两个维度"。
PBR 材质：基于物理的渲染
Phong vs PBR
| Phong | PBR | |
|---|---|---|
| 参数 | 随意调的经验值 | 物理含义明确的参数 |
| 能量守恒 | 不保证（反射光可以超过入射光） | 自动保证 |
| 真实感 | 特定角度"看着像" | 各角度都符合物理 |
PBR 核心参数
| 参数 | 含义 | 范围 |
|---|---|---|
| Base Color | 表面基础颜色 | RGB |
| Metallic | 金属度 | 0（非金属）→ 1（金属） |
| Roughness | 粗糙度 | 0（镜面光滑）→ 1（完全磨砂） |
| Normal Map | 表面凹凸细节 | 法线贴图 |
金属 vs 非金属的区别：金属的高光带金属本身颜色（金色反射金色），非金属高光是白色。
粗糙度：决定反射是集中（光滑镜面）还是散开（磨砂），和金属度是独立的两个维度。
BRDF（双向反射分布函数）
PBR 的数学核心，回答：光从方向 l 照进来，从方向 v 反射出去，有多少能量？
f(l, v) = reflected radiance / incoming irradianceCook-Torrance BRDF 模型：
f = kd * f_diffuse + ks * f_specular镜面反射由三个因子保证物理正确：
| 因子 | 含义 |
|---|---|
| D（法线分布） | 微表面法线朝向分布——粗糙面法线杂乱，光滑面法线集中 |
| F（菲涅尔） | 掠射角反射增强——斜看水面像镜子 |
| G（几何遮挡） | 微表面自遮挡——粗糙面凹陷处互相挡住 |
三者相乘保证能量守恒。
💡 记忆点：PBR 的"物理"不是玄学，就是三个约束——能量守恒、菲涅尔效应、微表面理论。参数少（4个）但约束强，所以"怎么调都不会假"。
多视图渲染
相机布局
6 个正交方向（上下左右前后）+ 8 个角的斜视方向 = 14 个基础视图。
核心问题：视图数量 vs 检测能力是一个采样问题——球面上采样有限个点，希望覆盖所有可能暴露缺陷的角度。视图越多覆盖越全，但计算成本正相关。
光照条件
| 光照类型 | 作用 |
|---|---|
| 多位置点光源 | 揭示表面凹凸——侧面打光让小凹陷产生阴影 |
| 环境光/平行光 | 均匀照明，检查整体材质颜色一致性 |
| 暗光条件 | 暴露自发光材质效果、贴图分辨率不足的噪点 |
完整渲染配置：标准化 PBR 材质 + 多种光照条件 + 多视图角度 → 渲染图
VLM 视觉验证
VLM 能检测的缺陷类型
| 类型 | 例子 |
|---|---|
| 语义错误 | 人长五条腿、杯子底部有把手 |
| 纹理错误 | 脸部贴图扭曲 |
| 材质错误 | 牛身上长草色的毛、金属件看着像塑料 |
VLM 的局限：“散光眼”
VLM 基于 CNN+CLIP 架构，擅长语义检测（“这条腿该不该在这”），不擅长像素级细节（“这里有个微小凹陷”）。卷积的下采样特性导致细节信息丢失。
VLM 验证的输入
- 用户原始描述（“一个金属质感的银色杯子”）
- 多视图渲染图
- 可选：参考图
材质验证检查项
| 检查项 | 验证方式 |
|---|---|
| 颜色 | 参数值 vs 描述（“银色”→ 灰白色 RGB） |
| 金属度 | 参数值 + 渲染图视觉判断 |
| 粗糙度 | 渲染图视觉判断（高光是否锐利） |
| 法线贴图 | 渲染图有没有异常凹凸/扭曲 |
🧭 引导过程：用户有 VLM 图片审核项目经验，采用"全局检测→坐标分割放大细查"的策略，自然理解了粗检测→细查的验证流程。
闭环融合：从"发现问题"到"解决问题"
几何验证 vs 视觉验证的互补关系
| 几何验证 | 视觉验证（VLM） | |
|---|---|---|
| 擅长 | 结构性缺陷（水密、穿插、法线） | 语义缺陷（多余部件、贴图扭曲、材质错配） |
| 不擅长 | 看起来对不对 | 微小几何细节、内部问题 |
交叉验证
VLM 发现视觉问题后，需要定位根因：
- 先查几何：该区域有没有几何异常？
- 如果几何没问题，查法线贴图有没有扭曲？
- 如果都没问题，可能是光照/渲染假象
用不同维度的检测结果互相印证——这就是"闭环"的核心。
修复方式
| 问题类型 | 修复方式 |
|---|---|
| 几何穿插 | 算法自动修复（删面、补面） |
| 法线贴图错误 | 从正确几何重新烘焙 |
| 材质分配错 | 直接改参数 |
| 贴图问题 | 2D inpainting 修复后映射回 3D |
完整闭环流程
用户输入提示词/参考图
↓
生成网络生成模型
↓
几何验证 + 算法修复
↓
VLM 视觉验证
↓
┌─→ 尝试修复（自适应策略）
│ ↓
│ 重新验证
│ ↓
│ 通过？──→ 输出结果
│ ↓ 没通过
│ 达到最大迭代？──→ 兜底方案（人工接管/重新生成）
│ ↓ 没达到
└─── 调整策略，继续循环自适应细化
核心思想：记忆 + 策略调整，类似 LLM Agent 的消息队列+记忆系统。
- 记住之前每一轮修了什么、修好了没有
- 根据历史调整下一轮的修复重点
- 对反复修不好的问题，换策略或升级处理方式
最大迭代保护：防止死循环的工程必要措施。
3D 领域的修复现状
类比 2D 领域的发展：
- 2D：抽卡（生成多张选最好的）→ 精准编辑（inpainting、指令编辑）
- 3D：目前以"抽卡"为主，局部针对性修复能力有限但正在发展
闭环的价值：把"抽卡"变成"诊断+修复"。
常见误区
- “几何验证能覆盖所有问题”：贴图扭曲、材质错配等视觉问题需要渲染+VLM 检测
- “Phong 和 PBR 只是效果好坏”：本质区别是能量守恒约束，PBR 怎么调都不会"假"
- “VLM 能检测所有视觉缺陷”：VLM 擅长语义检测，不擅长像素级细节（“散光眼”）
- “修复完就结束了”：修复可能引入新问题，必须再验一次（闭环）
- “重新生成就能解决”：不改变策略的重试可能重复同样的失败
阶段 3 & 4 核心概念清单
| 概念 | 关键点 |
|---|---|
| PBR 材质 | metallic + roughness，能量守恒，Cook-Torrance BRDF |
| BRDF | 双向反射分布函数，D/F/G 三因子 |
| 多视图渲染 | 球面采样问题，正交+斜视 |
| 多光照验证 | 点光源（凹凸）、平行光（整体）、暗光（自发光） |
| VLM 语义验证 | 擅长语义，不擅长细节，输入=描述+渲染图 |
| 交叉验证 | 视觉发现问题 → 几何/贴图定位根因 |
| 闭环修复 | 验证→修复→再验证循环 |
| 自适应细化 | 记忆+策略调整，越修越聪明 |
基于 2026-06-04 学习 session 生成 · 阶段3&4宏观框架 + PBR/BRDF 技术细节