下巴褶皱，鼻唇沟等这种高频细节

day270010678

星级打分

• 1
• 2
• 3
• 4
• 5

平均分:NAN  参与人数:0  我的评分:未评

组	参数量	瓶颈维数	下巴 ridge 保留	鼻唇沟 ridge（左 / 右）	SD 保留	NCC
BASE（2× 降采样再上采）	—	—	99.7%	99.6% / 99.5%	99.9%	1.000
SPATIAL	4.01 M	6,688（32ch@11×19，有位置）	89.6%	91.6% / 90.2%	99.8%	0.986~0.990
GLOBAL	65.70 M	384（无位置，与 df-du 同构）	75.0%	75.6% / 68.8%	89.5~92.2%	0.917~0.937

瓶颈是 “空间自由度”，而不是参数量、也不是分辨率。通过我的pytorch测试，跟dfl的ae结构一致，所以我的这个测试，dfl也应该完全适应。
训练曲线也一致：2500 步后 SPATIAL 的 HF 损失 0.0094，GLOBAL 是 0.0140。

1. 瓶颈是 “有没有空间自由度”，不是参数量。 GLOBAL 参数量是 SPATIAL 的 16 倍，瓶颈维数却只有 1/17，结果 ridge 反而低 15~21pp。这条对照直接排除了 “加宽通道 / 加参数就能出褶皱” 的路子。

2. ROI 旁路的容量成立。 只给 6,688 个数（有空间维度），褶皱的脊就能恢复到 90%。对比真实模型的全脸 384 维只有 37.5%。

3. 分辨率在这个频带上不是杀手。 BASE（把 ROI 降到一半再升回来）保留了 99.9% 的 ridge—— 因为褶皱在 512 空间里是 12~25px，2× 重采样只影响 <4px 的成分。所以 “把模型从 256 改到 512” 治不了这个问题，只有 “让 ROI 走独立高分辨率支路” 才有用。

4. 但也别指望一步到位。 SPATIAL 仍差约 10% ridge，视觉上比 BASE 略软（l1 0.031 ≈ 8/255）。说明表示层能拿回大约七成（37.5% → 90%），剩下的靠更强的监督（对抗）或更多步数。

TARGET / BASE / SPATIAL / GLOBAL 四列（01337、01653）。GLOBAL 那列明显更平、更灰 —— 它就是 “384 维 + 8×8 网格” 的指纹。

监督目标，有两种方法：

(a) 重建优先型：refiner 挂在 `decoder_dst` 后面，输入 = 256 预测上采样的 ROI + warped dst 的高频带 + mask，输出 ROI 的 512 细化。先生命的是 4 列（重建）能画出褶皱，swap 列靠 warped dst 的高频自然继承。

(b) 细节迁移型：直接面向最终目标，把 dst 的褶皱形状迁到 src 的皮肤上。好处是一步到位，坏处是褶皱和皮肤纹理（毛孔、肤龄）在同一条 1.5–8px 频带里，网络很容易把 dst 的皮肤也一起搬过来 —— 那就变成 “src 的脸 + dst 的皮”，不是换脸。



测试的模型是这里的随便找的一个https://dfldata.cc/forum.php?mod=viewthread&tid=18758