yrlyrl commited on
Commit
0f3a2d9
·
verified ·
1 Parent(s): eed9c56

weekly archive: 1 weeks, latest 2026-09-16_09-22

Browse files
README.md CHANGED
@@ -1,10 +1,13 @@
1
- ---
2
- title: Physjepa Weekly
3
- emoji: 🐠
4
- colorFrom: blue
5
- colorTo: pink
6
- sdk: static
7
- pinned: false
8
- ---
9
-
10
- Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
 
 
 
 
1
+ # 周报归档(HF 静态 Space)
2
+
3
+ - 线上:https://yrlyrl-physjepa-weekly.static.hf.space (仓库 https://huggingface.co/spaces/yrlyrl/physjepa-weekly)
4
+ - 源:本目录。`index.html` 由 `scripts/build_weekly_site.py` 生成,不要手改。
5
+
6
+ ## 新加一周
7
+
8
+ 1. 新建 `weeks/<start>_<end>/`(如 `weeks/2026-09-23_09-29/`),放入该周页面(自包含 HTML,视频可内嵌 base64 或放同目录)。
9
+ 2. 写 `meta.json`:`start`/`end`(ISO 日期)、`title`、`summary`、`pages[{file,title,blurb}]`、可选 `highlights[{label,value,note}]`。
10
+ 3. 每个页面顶部加一行返回链接:`<a href="../../index.html">← 周报归档</a>`。
11
+ 4. `python scripts/build_weekly_site.py --push yrlyrl/physjepa-weekly`(本机 HF 登录为 yrlyrl)。
12
+
13
+ 编号 W01、W02… 按 `start` 从旧到新自动排;索引页最新一周在最上。
index.html CHANGED
@@ -1,19 +1,52 @@
1
  <!doctype html>
2
- <html>
3
- <head>
4
- <meta charset="utf-8" />
5
- <meta name="viewport" content="width=device-width" />
6
- <title>My static Space</title>
7
- <link rel="stylesheet" href="style.css" />
8
- </head>
9
- <body>
10
- <div class="card">
11
- <h1>Welcome to your static Space!</h1>
12
- <p>You can modify this app directly by editing <i>index.html</i> in the Files and versions tab.</p>
13
- <p>
14
- Also don't forget to check the
15
- <a href="https://huggingface.co/docs/hub/spaces" target="_blank">Spaces documentation</a>.
16
- </p>
17
- </div>
18
- </body>
19
- </html>
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
  <!doctype html>
2
+ <html lang="zh">
3
+ <head>
4
+ <meta charset="utf-8"><meta name="viewport" content="width=device-width,initial-scale=1">
5
+ <title>PhysJEPA 周报归档</title>
6
+ <meta name="description" content="PhysJEPA 项目每周进展归档:每周一个条目,页面自包含。">
7
+ <link rel="preconnect" href="https://fonts.googleapis.com"><link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
8
+ <link rel="stylesheet" href="https://fonts.googleapis.com/css2?family=Familjen+Grotesk:wght@400;500;600;700&family=Source+Serif+4:opsz,wght@8..60,400;8..60,600&family=JetBrains+Mono:wght@400;500;600&display=swap">
9
+ <style>
10
+ :root{--ink:#17181c;--ink-2:#43464f;--ink-3:#70747e;--bg:#fcfcfb;--panel:#fff;--panel-2:#f5f5f2;--line:#e2e2dc;
11
+ --s1:#C25D00;--s2:#0E8F73;--info:#2F5FB3;--shadow:0 1px 2px rgba(20,20,18,.05),0 8px 24px -12px rgba(20,20,18,.16)}
12
+ @media (prefers-color-scheme:dark){:root:not([data-theme="light"]){--ink:#ecece8;--ink-2:#b3b4ae;--ink-3:#83857f;--bg:#141413;
13
+ --panel:#1c1c1a;--panel-2:#232320;--line:#32322e;--s1:#D07C26;--s2:#28AD8A;--info:#7FA3E6;--shadow:0 1px 2px rgba(0,0,0,.4),0 10px 30px -14px rgba(0,0,0,.7)}}
14
+ :root[data-theme="dark"]{--ink:#ecece8;--ink-2:#b3b4ae;--ink-3:#83857f;--bg:#141413;--panel:#1c1c1a;--panel-2:#232320;--line:#32322e;
15
+ --s1:#D07C26;--s2:#28AD8A;--info:#7FA3E6;--shadow:0 1px 2px rgba(0,0,0,.4),0 10px 30px -14px rgba(0,0,0,.7)}
16
+ *{box-sizing:border-box}
17
+ body{margin:0;background:var(--bg);color:var(--ink);font-family:"Source Serif 4",Georgia,serif;font-size:16px;line-height:1.65;-webkit-font-smoothing:antialiased}
18
+ .wrap{max-width:1080px;margin:0 auto;padding:0 16px 80px}@media(min-width:720px){.wrap{padding:0 24px 90px}}
19
+ h1,h2,h3{font-family:"Familjen Grotesk",system-ui,sans-serif}
20
+ h1{font-size:clamp(28px,4.2vw,44px);line-height:1.08;letter-spacing:-.022em;font-weight:700;margin:0;text-wrap:balance}
21
+ h2{font-size:clamp(19px,2.4vw,24px);letter-spacing:-.012em;font-weight:650;margin:0 0 6px;text-wrap:balance}
22
+ h3{font-size:15px;font-weight:600;margin:0 0 4px}
23
+ p{margin:0 0 12px;max-width:72ch}
24
+ header{padding:52px 0 24px;border-bottom:1px solid var(--line)}
25
+ .eyebrow{font-family:"Familjen Grotesk",sans-serif;font-size:11.5px;font-weight:600;letter-spacing:.16em;text-transform:uppercase;color:var(--ink-3);margin:0 0 14px}
26
+ .lede{font-size:18px;color:var(--ink-2);max-width:66ch;margin:16px 0 0}
27
+ .week{background:var(--panel);border:1px solid var(--line);border-radius:12px;box-shadow:var(--shadow);padding:20px 22px 18px;margin:28px 0 0}
28
+ .week .when{font-family:"JetBrains Mono",monospace;font-size:12.5px;color:var(--s1);font-weight:600;margin:0 0 8px}
29
+ .week .when span{color:var(--ink-3);font-weight:400;margin-left:10px}
30
+ .week .sum{color:var(--ink-2);max-width:78ch}
31
+ .hl{display:flex;gap:10px;flex-wrap:wrap;margin:12px 0 14px}
32
+ .hl div{background:var(--panel-2);border:1px solid var(--line);border-radius:8px;padding:8px 12px;min-width:150px}
33
+ .hl b{display:block;font-family:"Familjen Grotesk",sans-serif;font-size:11px;letter-spacing:.06em;text-transform:uppercase;color:var(--ink-3)}
34
+ .hl .v{font-family:"JetBrains Mono",monospace;font-size:16px;font-weight:600}
35
+ .hl small{display:block;font-size:11.5px;color:var(--ink-3);font-family:"Familjen Grotesk",sans-serif}
36
+ .pages{display:grid;grid-template-columns:repeat(auto-fit,minmax(260px,1fr));gap:10px;margin:0}
37
+ .pages a{display:block;text-decoration:none;color:inherit;border:1px solid var(--line);border-radius:10px;padding:12px 14px;background:var(--bg)}
38
+ .pages a:hover{border-color:var(--info)}
39
+ .pages a h3{color:var(--info)}
40
+ .pages a p{font-size:13.5px;color:var(--ink-2);margin:0}
41
+ footer{margin-top:58px;padding-top:20px;border-top:1px solid var(--line);color:var(--ink-3);font-size:13px}
42
+ </style>
43
+ </head>
44
+ <body><div class="wrap">
45
+ <header>
46
+ <p class="eyebrow">PhysJEPA · 周报归档</p>
47
+ <h1>每周训了什么、学到什么、下周做什么</h1>
48
+ <p class="lede">按周归档,最新一周在最上面。每周的页面自包含(数字、图表、视频都在页内),归档只负责把它们排好。最近更新:2026-09-22</p>
49
+ </header>
50
+ <article class="week"><p class="when">W01<span>2026-09-16 → 2026-09-22</span></p><h2>Stage-2 才是欠训的那一半;训练数据 Sim→Real 立项</h2><p class="sum">七个模型训完:改 Stage-1(加密锚点、轨迹监督)没动针,Stage-2 纯真值条件多训 2000 步 capture 38.5%→45.8%,混合条件贡献为零。并行立项训练数据外观迁移:MiniMax H3 无结构控制不可用,走开源可��生成 + 首帧先行,代码与 Nautilus 基建就绪。</p><div class=hl><div><b>Stage-2 续训</b><span class="v">38.5% → 45.8%</span><small>capture,+7.3 点</small></div><div><b>混合条件</b><span class="v">+0.0</span><small>假设证伪</small></div><div><b>Physics-IQ 域差</b><span class="v">10.17×</span><small>外观项,待 Phase 0 验证</small></div></div><div class="pages"><a href="weeks/2026-09-16_09-22/ledger.html"><h3>实验总账</h3><p>两个 Stage-1 臂 + 五个 Stage-2 臂,同一封存集同一把尺子;含目前最好 Stage-2 的实际画面。</p></a><a href="weeks/2026-09-16_09-22/restyle.html"><h3>Sim→Real 外观迁移:调研与计划</h3><p>为什么 H3 不行、开源候选、Stage-1 只吃首帧、分阶段执行计划、本周交付。</p></a></div></article>
51
+ <footer><p>共 1 周。源文件在 <code>PhysJEPA/web/weekly/</code>,索引由 <code>scripts/build_weekly_site.py</code> 生成。</p></footer>
52
+ </div></body></html>
weeks/2026-09-16_09-22/ledger.html ADDED
The diff for this file is too large to render. See raw diff
 
weeks/2026-09-16_09-22/meta.json ADDED
@@ -0,0 +1,15 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "start": "2026-09-16",
3
+ "end": "2026-09-22",
4
+ "title": "Stage-2 才是欠训的那一半;训练数据 Sim→Real 立项",
5
+ "summary": "七个模型训完:改 Stage-1(加密锚点、轨迹监督)没动针,Stage-2 纯真值条件多训 2000 步 capture 38.5%→45.8%,混合条件贡献为零。并行立项训练数据外观迁移:MiniMax H3 无结构控制不可用,走开源可控生成 + 首帧先行,代码与 Nautilus 基建就绪。",
6
+ "pages": [
7
+ {"file": "ledger.html", "title": "实验总账", "blurb": "两个 Stage-1 臂 + 五个 Stage-2 臂,同一封存集同一把尺子;含目前最好 Stage-2 的实际画面。"},
8
+ {"file": "restyle.html", "title": "Sim→Real 外观迁移:调研与计划", "blurb": "为什么 H3 不行、开源候选、Stage-1 只吃首帧、分阶段执行计划、本周交付。"}
9
+ ],
10
+ "highlights": [
11
+ {"label": "Stage-2 续训", "value": "38.5% → 45.8%", "note": "capture,+7.3 点"},
12
+ {"label": "混合条件", "value": "+0.0", "note": "假设证伪"},
13
+ {"label": "Physics-IQ 域差", "value": "10.17×", "note": "外观项,待 Phase 0 验证"}
14
+ ]
15
+ }
weeks/2026-09-16_09-22/restyle.html ADDED
@@ -0,0 +1,202 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ <!doctype html>
2
+ <html lang="zh">
3
+ <head>
4
+ <meta charset="utf-8">
5
+ <meta name="viewport" content="width=device-width,initial-scale=1">
6
+ <title>Sim→Real 外观迁移:调研与计划</title>
7
+ <meta name="description" content="PhysJEPA 训练数据外观迁移立项周:为什么 MiniMax H3 不行、开源可控 V2V 路线、首帧先行策略、Nautilus 执行计划与本周交付。">
8
+ <link rel="preconnect" href="https://fonts.googleapis.com">
9
+ <link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
10
+ <link rel="stylesheet" href="https://fonts.googleapis.com/css2?family=Familjen+Grotesk:wght@400;500;600;700&family=Source+Serif+4:opsz,wght@8..60,400;8..60,600&family=JetBrains+Mono:wght@400;500;600&display=swap">
11
+ <style>
12
+ :root{
13
+ --ink:#17181c; --ink-2:#43464f; --ink-3:#70747e;
14
+ --bg:#fcfcfb; --panel:#fff; --panel-2:#f5f5f2; --line:#e2e2dc; --line-2:#cfcfc7;
15
+ --s1:#C25D00; --s2:#0E8F73; --ceil:#43464f;
16
+ --good:#0E8F73; --bad:#B3243E; --warn:#8A5A00; --info:#2F5FB3;
17
+ --shadow:0 1px 2px rgba(20,20,18,.05),0 8px 24px -12px rgba(20,20,18,.16);
18
+ }
19
+ @media (prefers-color-scheme:dark){:root:not([data-theme="light"]){
20
+ --ink:#ecece8; --ink-2:#b3b4ae; --ink-3:#83857f;
21
+ --bg:#141413; --panel:#1c1c1a; --panel-2:#232320; --line:#32322e; --line-2:#42423d;
22
+ --s1:#D07C26; --s2:#28AD8A; --ceil:#b3b4ae;
23
+ --good:#28AD8A; --bad:#E8627E; --warn:#D6A03A; --info:#7FA3E6;
24
+ --shadow:0 1px 2px rgba(0,0,0,.4),0 10px 30px -14px rgba(0,0,0,.7);
25
+ }}
26
+ :root[data-theme="dark"]{
27
+ --ink:#ecece8; --ink-2:#b3b4ae; --ink-3:#83857f;
28
+ --bg:#141413; --panel:#1c1c1a; --panel-2:#232320; --line:#32322e; --line-2:#42423d;
29
+ --s1:#D07C26; --s2:#28AD8A; --ceil:#b3b4ae;
30
+ --good:#28AD8A; --bad:#E8627E; --warn:#D6A03A; --info:#7FA3E6;
31
+ --shadow:0 1px 2px rgba(0,0,0,.4),0 10px 30px -14px rgba(0,0,0,.7);
32
+ }
33
+ *{box-sizing:border-box}
34
+ body{margin:0;background:var(--bg);color:var(--ink);font-family:"Source Serif 4",Georgia,serif;font-size:16px;line-height:1.65;-webkit-font-smoothing:antialiased}
35
+ .wrap{max-width:1080px;margin:0 auto;padding:0 16px 80px}
36
+ @media(min-width:720px){.wrap{padding:0 24px 90px}}
37
+ h1,h2,h3{font-family:"Familjen Grotesk",system-ui,sans-serif}
38
+ h1{font-size:clamp(28px,4.2vw,44px);line-height:1.08;letter-spacing:-.022em;font-weight:700;margin:0;text-wrap:balance}
39
+ h2{font-size:clamp(19px,2.4vw,25px);letter-spacing:-.012em;font-weight:650;margin:0 0 4px;text-wrap:balance}
40
+ h3{font-size:16px;font-weight:600;margin:0 0 8px}
41
+ p{margin:0 0 14px;max-width:72ch}
42
+ ul,ol{margin:0 0 14px;padding-left:22px;max-width:72ch}li{margin:0 0 6px}
43
+ code{font-family:"JetBrains Mono",monospace;font-size:.84em;background:var(--panel-2);border:1px solid var(--line);border-radius:5px;padding:1px 5px}
44
+ a{color:var(--info)}
45
+ nav.top{font-family:"Familjen Grotesk",system-ui,sans-serif;font-size:13px;padding:14px 0 0}
46
+ nav.top a{color:inherit;opacity:.7;text-decoration:none}
47
+ header{padding:40px 0 24px;border-bottom:1px solid var(--line)}
48
+ .eyebrow{font-family:"Familjen Grotesk",sans-serif;font-size:11.5px;font-weight:600;letter-spacing:.16em;text-transform:uppercase;color:var(--ink-3);margin:0 0 14px}
49
+ .lede{font-size:18px;color:var(--ink-2);max-width:66ch;margin:16px 0 0}
50
+ section{margin-top:46px}
51
+ .sec-head{margin-bottom:18px}.sec-head p{color:var(--ink-2);margin-bottom:0}
52
+ .callout{border:1px solid var(--line);border-left:3px solid var(--good);background:var(--panel);border-radius:0 10px 10px 0;padding:18px 22px;margin:0 0 16px;box-shadow:var(--shadow)}
53
+ .callout h3{color:var(--good)}.callout p:last-child,.callout ul:last-child{margin-bottom:0}
54
+ .callout.warn{border-left-color:var(--warn)}.callout.warn h3{color:var(--warn)}
55
+ .callout.dead{border-left-color:var(--bad)}.callout.dead h3{color:var(--bad)}
56
+ .callout.info{border-left-color:var(--info)}.callout.info h3{color:var(--info)}
57
+ .tbl-wrap{overflow-x:auto;border:1px solid var(--line);border-radius:12px;background:var(--panel);box-shadow:var(--shadow);margin:0 0 10px}
58
+ table{border-collapse:collapse;width:100%;font-size:13.5px;font-variant-numeric:tabular-nums}
59
+ caption{text-align:left;padding:14px 18px 9px;font-family:"Familjen Grotesk",sans-serif;font-weight:600;font-size:14.5px;color:var(--ink)}
60
+ th,td{padding:9px 14px;text-align:left;border-top:1px solid var(--line);vertical-align:top}
61
+ thead th{font-family:"Familjen Grotesk",sans-serif;font-weight:600;font-size:11.5px;letter-spacing:.03em;color:var(--ink-3);text-transform:uppercase;background:var(--panel-2);white-space:nowrap}
62
+ tbody th{font-family:"Familjen Grotesk",sans-serif;font-weight:500;font-size:13px;color:var(--ink);white-space:nowrap}
63
+ td.num{text-align:right;white-space:nowrap;font-family:"JetBrains Mono",monospace;font-size:12.5px}
64
+ .good-t{color:var(--good);font-weight:600}.bad-t{color:var(--bad);font-weight:500}.warn-t{color:var(--warn);font-weight:500}
65
+ .mono{font-family:"JetBrains Mono",monospace}
66
+ .pill{font-family:"JetBrains Mono",monospace;font-size:10.5px;padding:2px 8px;border-radius:4px;background:var(--panel-2);color:var(--ink-3);border:1px solid var(--line);white-space:nowrap}
67
+ .pill.done{background:color-mix(in srgb,var(--good) 12%,transparent);color:var(--good);border-color:color-mix(in srgb,var(--good) 30%,transparent)}
68
+ .pill.run{background:color-mix(in srgb,var(--warn) 14%,transparent);color:var(--warn);border-color:color-mix(in srgb,var(--warn) 32%,transparent)}
69
+ .pill.no{background:color-mix(in srgb,var(--bad) 12%,transparent);color:var(--bad);border-color:color-mix(in srgb,var(--bad) 30%,transparent)}
70
+ .tnote{font-size:13px;color:var(--ink-3);margin:0 0 6px;max-width:80ch;line-height:1.6}
71
+ .steps{list-style:none;padding:0;margin:0;max-width:none}
72
+ .steps li{display:grid;grid-template-columns:110px 1fr;gap:14px;padding:12px 0;border-top:1px solid var(--line)}
73
+ .steps li:first-child{border-top:0}
74
+ .steps .k{font-family:"Familjen Grotesk",sans-serif;font-weight:600;font-size:13px;color:var(--s1)}
75
+ .steps .k small{display:block;font-weight:400;color:var(--ink-3);font-size:11.5px;margin-top:2px}
76
+ .steps p{margin:0 0 4px}
77
+ @media(max-width:560px){.steps li{grid-template-columns:1fr}}
78
+ .kv{display:grid;grid-template-columns:repeat(auto-fit,minmax(220px,1fr));gap:12px;margin:0 0 16px}
79
+ .kv div{background:var(--panel);border:1px solid var(--line);border-radius:10px;padding:14px 16px;box-shadow:var(--shadow)}
80
+ .kv b{display:block;font-family:"Familjen Grotesk",sans-serif;font-size:12px;letter-spacing:.06em;text-transform:uppercase;color:var(--ink-3);margin-bottom:6px}
81
+ .kv .v{font-family:"JetBrains Mono",monospace;font-size:20px;font-weight:600;line-height:1.2}
82
+ .kv .v small{font-size:12px;font-weight:400;color:var(--ink-3);margin-left:6px;font-family:"Familjen Grotesk",sans-serif}
83
+ footer{margin-top:58px;padding-top:20px;border-top:1px solid var(--line);color:var(--ink-3);font-size:13px}
84
+ </style>
85
+ </head>
86
+ <body>
87
+ <div class="wrap">
88
+ <nav class="top"><a href="../../index.html">← 周报归档</a> &nbsp;·&nbsp; <a href="ledger.html">同周:实验总账</a></nav>
89
+
90
+ <header>
91
+ <p class="eyebrow">PhysJEPA · 09-16 → 09-22 · 新立项</p>
92
+ <h1>训练数据 Sim→Real 外观迁移:为什么、用什么、怎么做</h1>
93
+ <p class="lede">PhyCo 和 Physion 全是渲染出来的,模型到 Physics-IQ 真实视频上就崩:光流预测 17.97 分,连"不喂光流"的 34.83 都不如。本周立项:<b>把训练视频的 RGB 换成真实感画面,运动/几何/mask 一个像素都不动</b>。调研了闭源 API、开源可控生成模型和四十余篇论文(80 个代理两轮事实核查),定下路线,代码与集群基建已就绪,等 Phase 0 诊断放行。</p>
94
+ </header>
95
+
96
+ <section>
97
+ <div class="sec-head"><h2>先看结论</h2></div>
98
+ <div class="kv">
99
+ <div><b>Physics-IQ 现状</b><div class="v">17.97<small>pred / zero 34.83 / oracle 45.0</small></div></div>
100
+ <div><b>域差分解</b><div class="v">3.2× × 10.17×<small>mask 失配(已除)× 外观域差</small></div></div>
101
+ <div><b>本周核心发现</b><div class="v">Stage-1 只吃首帧<small>→ 图像级迁移,秒/张</small></div></div>
102
+ <div><b>首轮预算</b><div class="v">≈ 30 GPU·h<small>750 条 pilot,8×A100</small></div></div>
103
+ </div>
104
+ <div class="callout dead"><h3>MiniMax H3 不能当主转换器</h3>
105
+ <p>H3(官方 API 名 "Hailuo-03",07-31 发布、08-03 开源 33B 权重)是 MiniMax 唯一接受视频输入的模型,但只有 <code>reference_video</code> 的<b>语义再生成</b>模式:它把参考视频当"角色/运动/镜头/风格"的提示,从噪声重新生成一段新视频。没有 depth / segmentation / flow / mask 控制,没有 video-to-video 编辑端点(<code>base_video</code> 只用于 768P→2K 升清),没有贴合度参数。物体轮廓、位置、时序可以漂几个到几十像素,构图也会变——我们的 GT 光流和 mask 就对不上了,而"运动形式不变"是硬要求。价格 $0.64 / 4 s 片(输入视频按输出价再计一次),40k 片 ≈ $25.6k。Kling O3、Runway Aleph 2、Seedance 2.0、Grok Imagine、Wan2.7-videoedit 全是同一范式;Sora 2 API 09-24 停服;Veo 3.1 无视频输入。</p></div>
106
+ <div class="callout"><h3>像素对齐只有一条路:密集结构控制的 world-to-world 翻译器</h3>
107
+ <p>做 sim2real 的人(NVIDIA Cosmos-Transfer、Seeing Realism from Simulation、DriveCtrl、RoboTransfer、EmbodieDreamer、Mask2Real-WM)全部收敛到同一配方:<b>depth + segmentation + edge 控制视频(+ 源视频部分加噪)</b>。segmentation 是防止物体在碰撞/遮挡时变形消失的关键(有/无 mask FVD 176 vs 423);edge 贴合最紧但会把 CG 平面着色"烤"进去;depth/seg 更真实但会幻觉结构。推荐分区权重:物体区 edge+depth、背景区 seg/depth。<b>我们的数据自带这些控制图</b>:PhyCo 有 <code>depth.mp4</code> + <code>segmentation.mp4</code>,Physion HDF5 有 <code>_id</code> 逐帧实例通道。</p></div>
108
+ <div class="callout warn"><h3>没有任何模型或论文报告过"源 GT 光流 vs 输出光流 EPE"</h3>
109
+ <p>已发表的对齐指标只有 mask mIoU 0.63–0.72、Edge F1 0.14–0.28、depth si-RMSE ~0.47。我们要的 1–2 px 门槛必须自��在 pilot 里量,而且默认参数大概率达不到(mIoU 0.72 ≪ 0.9)——所以计划里每一条产物都要过逐条门禁,不合格换 seed 重试一次再剔除。</p></div>
110
+ </section>
111
+
112
+ <section>
113
+ <div class="sec-head"><h2>关键代码事实:Stage-1 只消费首帧</h2>
114
+ <p>这一条把主成本从"周"压到"天"。</p></div>
115
+ <p><code>cache_stage1_flowdit.py::read_first_frame</code> 是 Stage-1 训练缓存里唯一读 RGB 的地方:取第 0 帧,Wan VAE 编成 <code>image_cond_latent</code>,再缩成 160² 的 <code>first_frame</code> 给解码器;监督信号 <code>flow_latent</code> 全来自 GT 光流。Stage-1 训练时<b>从未见过第 1…N 帧的像素</b>。Physics-IQ 上失效的恰是 Stage-1(真实首帧→光流),Stage-2 的 zero 臂 34.83 ≈ 公开 base。所以:</p>
116
+ <ul>
117
+ <li><b>第一步(本周起)</b>:图像级 depth+seg 控制翻译,只换首帧,A100 上每张 4–15 s,45k 张 × 3 个风格变体 ≈ 2–3 天;Stage-1 训练零改代码(<code>read_first_frame</code> 原生支持 PNG)。</li>
118
+ <li><b>第二步(仅当第一步在 Physics-IQ 上有收益)</b>:全视频 restyle 给 Stage-2 用(视频 latent 目标 + warped 首帧条件),做 ~18k 片子集。Wan VACE 只有 81 帧窗口 → PhyCo 用 12 fps × 49 帧(偶数帧),Stage-2 缓存以 <code>--source-fps 12</code> 读即可,GT 锚点不变。</li>
119
+ </ul>
120
+ </section>
121
+
122
+ <section>
123
+ <div class="sec-head"><h2>候选模型(全开源,A100-80G 可跑)</h2></div>
124
+ <div class="tbl-wrap"><table>
125
+ <caption>首帧(图像级)与全视频后端</caption>
126
+ <thead><tr><th>用途</th><th>模型</th><th>控制</th><th>要点</th><th>状态</th></tr></thead>
127
+ <tbody>
128
+ <tr><th>首帧</th><td>FLUX.1-dev + ControlNet-Union-Pro-2.0</td><td>depth + edge(双控制),可 img2img 保留源帧</td><td>秒级/张;FLUX dev 非商用许可(研究可用)</td><td><span class="pill done">pilot 首选</span></td></tr>
129
+ <tr><th>首帧</th><td>Cosmos-Transfer2.5 Image2Image</td><td>depth + seg + edge + 权重</td><td>与视频版同控制集;走其自带 CLI</td><td><span class="pill done">pilot</span></td></tr>
130
+ <tr><th>首帧</th><td>Qwen-Image-Edit-2511</td><td>指令式,无硬控制</td><td>Apache-2.0;靠门禁筛</td><td><span class="pill">第三臂</span></td></tr>
131
+ <tr><th>视频</th><td>Cosmos3-Nano 16B(2026-05-31)</td><td>edge/blur/depth/seg 控制视频,480p,fps 可配</td><td>与我们 24 fps 数据最匹配;A100 时延未知</td><td><span class="pill run">2b 首选</span></td></tr>
132
+ <tr><th>视频</th><td>Cosmos-Transfer2.5-2B</td><td>depth/seg/edge/blur + 时空 mask</td><td>65.4 GB 只能 80G 卡;480 分辨率有运动幻觉 issue → 720p 跑再降采样</td><td><span class="pill run">2b</span></td></tr>
133
+ <tr><th>视频</th><td>Wan2.1-VACE-14B / 1.3B</td><td>depth / flow 可视化 + 参考图</td><td>Apache-2.0,diffusers 原生;1.3B 是唯一能几天内跑完 40k 片的</td><td><span class="pill run">2b</span></td></tr>
134
+ <tr><th>视频</th><td>Wan2.2-VACE-Fun-A14B</td><td>depth/canny/pose</td><td>与 Stage-2 同一 Wan2.2 潜空间;需社区转换权重</td><td><span class="pill">备选</span></td></tr>
135
+ <tr><th>叠加</th><td>NeuralRemaster φ-PD</td><td>相位保持噪声</td><td>零开销,Wan2.2-14B 上验证过</td><td><span class="pill">加固</span></td></tr>
136
+ <tr><th>否决</th><td>MiniMax H3 / Kling / Runway / Seedance</td><td>无结构控制</td><td>只在报告里给结论,默认不做付费 pilot</td><td><span class="pill no">不用</span></td></tr>
137
+ </tbody></table></div>
138
+ <p class="tnote">吞吐(8×A100 单卡数据并行):VACE-1.3B@480p×81 帧 ≈ 4 min/片 → 40k ≈ 14 天,4 步蒸馏 LoRA ≈ 1 min/片;14B 级 6–12 周(蒸馏后 1–2 周);Cosmos-2.5 base ≥ 1 个月。所以全视频只做子集,首帧全量。</p>
139
+ </section>
140
+
141
+ <section>
142
+ <div class="sec-head"><h2>执行计划(一步一步来,每一步有门禁)</h2></div>
143
+ <ul class="steps">
144
+ <li><span class="k">Phase 0<small>DeltaAI · 1–2 GPU·h</small></span><div><p><b>诊断门禁</b>:用现有 checkpoint 在三组输入上测 EPE——Physics-IQ 原样 / Physics-IQ"合成化"(降采样+平面化)/ 封存集"真实化"(噪声+模糊+JPEG+色偏)。真实化恶化 ≥30% 且合成化改善 ≥15% 才算"外观差成立",否则降级为增广对照、预算转真实域伪标。</p><p class="tnote">评审员意见采纳为门禁:PhyCo、PhysAlign 都是纯合成微调却在 Physics-IQ 上涨分,我们的 17.97 是"预测运动场被强注入 Stage-2"的特有现象,先分清外观差和内容差再烧卡。</p></div></li>
145
+ <li><span class="k">Phase 1<small>Nautilus · CPU</small></span><div><p>基建:镜像、权重落 PVC、PhyCo 源数据、控制图导出(PhyCo 12 fps×49 帧 + 24 fps×97 帧;Physion 20 fps×33 帧覆盖训练用的 0,10,…,150 帧),Cosmos 约定的深度/分割编码。</p></div></li>
146
+ <li><span class="k">Phase 2<small>Nautilus · ≈30 GPU·h</small></span><div><p><b>首帧 pilot</b>:每语料每场景 50 条 = 750 条 × 3 变体,三个后端 bake-off。门禁:SAM2 质心分割 vs GT mask IoU ≥ 0.85(必需)、edge recall、depth si-RMSE、DINO 结构距离、真实感探针(真实池与 Physics-IQ 不相交)。</p></div></li>
147
+ <li><span class="k">Phase 3<small>Nautilus 2–3 天 + DeltaAI 训练</small></span><div><p>首帧全量 45k × 3 → Stage-1 训练臂 A1(restyled)/ A2(50/50 混合)/ A3(原版+重光度增广,零成本对照)vs A0 → <b>主指标:Physics-IQ 198 帧上 Stage-1 光流 vs RAFT 伪 GT 的 rel_to_zero(基线 2.083)与方向误差(87.3°)</b>;成功线 rel_to_zero 相对下降 ≥25% 且方向下降 ≥15°,域内退化 ≤5%。</p></div></li>
148
+ <li><span class="k">Phase 4<small>仅当 Phase 3 有收益</small></span><div><p>全视频子集 ~18.5k 片给 Stage-2,后端由 Phase 2b 的 300 条视频 pilot 决定。</p></div></li>
149
+ <li><span class="k">Phase R<small>可选对照</small></span><div><p>PhyCo 仿真代码公开(phyco-sim,vendored Kubric + Blender 3.4):先 10 帧 Cycles 基准,可行则渲 1k 片新片段,打开 <code>forward_flow</code> 得<b>精确 GT 光流</b>(优于现在的 RAFT 伪 GT),作为"重渲染 vs 重绘"对照臂。</p></div></li>
150
+ </ul>
151
+ </section>
152
+
153
+ <section>
154
+ <div class="sec-head"><h2>本周交付</h2></div>
155
+ <div class="tbl-wrap"><table>
156
+ <caption>代码与基建(全部本地验证:py_compile、无 GPU 单元检查、kubectl dry-run)</caption>
157
+ <thead><tr><th>文件</th><th>作用</th></tr></thead>
158
+ <tbody>
159
+ <tr><th class="mono">scripts/restyle/common.py</th><td>分片 / 原子写 / sidecar;Cosmos 约定的控制图编码(逆深度整段 min-max、按面积降序随机色实例、"干净边" = 实例边界 ∪ Canny(depth))</td></tr>
160
+ <tr><th class="mono">scripts/restyle/export_controls.py</th><td>PhyCo / Physion 控制包导出(CPU)</td></tr>
161
+ <tr><th class="mono">scripts/restyle/restyle_frame0.py</th><td>三个首帧后端封装;diffusers 类名与参数已对源码核实</td></tr>
162
+ <tr><th class="mono">scripts/restyle/gate_frame0.py</th><td>静态门禁(SAM2 / Depth-Anything / DINOv2),阈值全是 CLI 参数</td></tr>
163
+ <tr><th class="mono">scripts/restyle/build_restyled_manifests.py</th><td>保 sample_id、去颜色词、val/test 不动;每样本 hash 选一个通过变体</td></tr>
164
+ <tr><th class="mono">scripts/restyle/phase0_make_degraded.py · score_stage1_physicsiq.py</th><td>Phase 0 退化链与打分</td></tr>
165
+ <tr><th class="mono">scripts/cache_stage1_flowdit.py</th><td>新增 <code>--video-override-manifest</code>,payload 记 <code>first_frame_source</code></td></tr>
166
+ <tr><th class="mono">k8s/restyle/*</th><td>Dockerfile、Indexed Job(80G-only affinity、忽略抢占)、pod 驱动(burn.py 到 MODEL_READY 即停)、权重下载、运行手册</td></tr>
167
+ <tr><th class="mono">jobs/restyle_driver.sh</th><td>本机驱动:configmap / sync-code / submit / count / merge-gates</td></tr>
168
+ <tr><th class="mono">docs/preregistration_restyle_20260922.md</th><td>预注册:假设、门禁阈值、主指标与成功线、污染红线</td></tr>
169
+ </tbody></table></div>
170
+ <div class="callout info"><h3>写代码时发现的三个坑(已处理)</h3>
171
+ <ul>
172
+ <li>flow cache 按 <code>sample_id</code> 键控——同一样本的 K 个变体会互相覆盖,所以 manifest 每样本只选一个变体(跨样本仍有多样性);真正的多变体增广是 Phase 5 的缓存格式改动。</li>
173
+ <li>Physion 的 grounded caption 从首帧像素取中位色写"red cube",换色后全错且不报错——一律用项目已有的去颜色 manifests。</li>
174
+ <li>Physion 训练集 HDF5 是否含 <code>_depth</code> 未证实(<code>_flow</code> 就缺)——需 h5py 实测,退路是用项目已有的网格 z-buffer 光栅化出深度。</li>
175
+ </ul></div>
176
+ </section>
177
+
178
+ <section>
179
+ <div class="sec-head"><h2>约束与风险</h2></div>
180
+ <ul>
181
+ <li><b>评测污染红线</b>:Physics-IQ 帧不得作风格参考 / LoRA 目标 / 真实池;真实池用 BridgeData V2 固定相机桌面帧、WISA-80K 真实片段等不相交来源。</li>
182
+ <li><b>许可证</b>:PhyCo 是 CC-BY-ND-4.0——可训练、不可发布衍生数据集,restyled PhyCo 只能私有存放。</li>
183
+ <li><b>Nautilus</b>:GPU util 连续 10 min &lt; 40% 会被杀(&gt;4 次封 namespace);per-pod 32Gi/16 CPU 上限 → 8 个单卡 Job 而非一个 8 卡 pod;A100 节点混有 40G/MIG,affinity 只选 80G;PhyCo gated 仓库只有 RuoliuYang token 能下。</li>
184
+ <li><b>前提本身未验证</b>:光流估计文献里照片级真实感对泛化贡献很小(Mayer et al. 光照真实度只动 Sintel EPE ≤0.25 px),增广更重要——但 Stage-1 是单帧预测未来运动,需语义,故仍要实测,这就是 Phase 0 存在的理由。</li>
185
+ </ul>
186
+ </section>
187
+
188
+ <section>
189
+ <div class="sec-head"><h2>下一步 · 待拍板</h2></div>
190
+ <ol>
191
+ <li>Phase 0 诊断在 DeltaAI 开跑(命令已写在 <code>docs/restyle_phase0_diagnostic.md</code>)。</li>
192
+ <li>Nautilus Phase 1:configmap / inspect pod / 代码同步 / 权重下载;PhyCo 下载需要 RuoliuYang token 的 Secret 或从 DeltaAI 中转。</li>
193
+ <li>FLUX.1-dev 需用 yrlyrl 账号在 HF 接受许可。</li>
194
+ </ol>
195
+ </section>
196
+
197
+ <footer>
198
+ <p>调研由 80 个代理两轮完成(6 角度扫描 → 逐条事实核查 → 补漏 → 综合),关键数字均对一手来源(官方文档 / 模型卡 / arXiv)核过;完整文献与模型清单在计划文档附录。本页与同周《实验总账》并列归档。</p>
199
+ </footer>
200
+ </div>
201
+ </body>
202
+ </html>