diff --git a/docs/experiments.md b/docs/experiments.md index d6ab591..766f4ca 100644 --- a/docs/experiments.md +++ b/docs/experiments.md @@ -359,3 +359,33 @@ alpha 反推 bg（=(pixel−white·a)/(1−a)），反推结果的总变差（TV VerifyErr 尾案：位置准 + VerifyErr 并存 → 服务端容差可能比预想更紧（±2px 级）， 或存在尚未观测到的判据（行为分残留 / mark 与服务端渲染的 ±2px 源差异）。 + +### 候选级 TV 精修定稿（2026-09-15 深夜，第 2 次机器 PASS） + +窗口级 TV（仅微调 ±5px）救不了跨候选错选（live_173634：错选 (117,120) s=1.1 +refined=3.17，真位置 (271,127) s=0.95 refined=3.26 —— refined 仅差 0.09）。 +升级为候选级：对 refined 全部候选各在 ±5px 窗口找 TV 谷，z(chamfer)+z(TV) 联合 +重排跨候选选优。两次踩坑后定稿： + +1. 显著性保护：切候选要求新候选 TV 比原 target 低 ≥1σ + （165204 PASS 题被 TV 拉走 +7px 的教训），否则保持原位； +2. target 匹配用 ≤2px 容差（尺度精修后 target.x/y 与 enriched 条目不再严格相等）； +3. TV 评估覆盖全部 TOP_K 候选（target 可能排在第 5 位，top_n=3 会漏）。 + +标定 5/5 全中： + +| 题 | 真值 | 精修后 Δ | +| --- | --- | --- | +| live_164551 | 309 | 0 | +| live_165204 | 177 | −1 | +| live_172458 | 388 | −1 | +| live_173321 | 391 | 0 | +| live_173634 | 270 | −4 | + +离线 10 题回归 9/10 保持。 + +**第 2 次机器 PASS**：live_182311，x=354 s=0.9875，218px 18 步重放， +up 后 iframe 立即销毁（POST 读数 Session not found = PASS 特征）， +toast「验证成功，正在为你登录」。 + +当日统计：solve 误差从 ±5px 压到 ≤4px（5 个 GT 全中），线上 PASS 2 次。 diff --git a/src/method_l_shape.py b/src/method_l_shape.py index 13abc50..c98cfa7 100644 --- a/src/method_l_shape.py +++ b/src/method_l_shape.py @@ -242,69 +242,89 @@ def rotation_scan(d, pts, angs, w, h, x, y): return None -def _tv_refine(big, mark, d, target, win=5, lam=1.0): - """基于半透明贴片物理模型的亚像素精修。 +def _tv_refine(big, mark, d, target, enriched=None, win=5, lam=1.0, top_n=None): + """基于半透明贴片物理模型的候选重排与亚像素精修。 缺口渲染 = bg*(1-a) + white*a。给定候选位置，用 mark 的 alpha 反推 bg， - 反推结果的 Total Variation 越低越自然 → 位置越正确。与 chamfer 分数 - z-normalize 后相加（λ=1.0），在 ±win px 窗口取联合最低点。 - 无有效 TV 信号（alpha 全不透明 / 信号弱）时保持原位。 + 反推结果的 Total Variation 越低越自然 → 位置越正确。 + + 两级工作： + 1. 候选级：对 refined 前 top_n 个候选各在 ±win 窗口找 TV 谷， + z(chamfer)+λ·z(TV) 联合重排（防 refined 差 0.09 的错选，live_173634） + 2. 窗口级：对胜出候选在 ±win 窗口用联合分微调 dx/dy + + 无有效 TV 信号（alpha 全不透明 / 信噪弱）时保持原 target。 """ try: if big is None or mark is None or mark.ndim != 3 or mark.shape[2] != 4: return target bigf = big.astype(np.float32) a_full = mark[..., 3].astype(np.float32) / 255.0 - s = target["scale"] - bx0, by0 = d["bbox"] - h, w = a_full.shape - ar_full = cv2.resize(a_full, (max(1, round(w * s)), max(1, round(h * s))), - interpolation=cv2.INTER_AREA) - ay0, ax0 = round(by0 * s), round(bx0 * s) - bh, bw = d["am"].shape - ay1, ax1 = round((by0 + bh) * s), round((bx0 + bw) * s) - ay0, ax0 = max(0, ay0), max(0, ax0) - ar = ar_full[ay0:ay1, ax0:ax1] - if ar.size == 0 or ((ar > 0.05) & (ar < 0.85)).sum() < 200: - return target H, W = d["shape"] - score2, _, _, _ = score_at_scale(d, s) - if score2 is None: - return target - ch_vals, tv_vals, dxs = [], [], [] - for dy in range(-win, win + 1): - for dx in range(-win, win + 1): - x0 = target["x"] + dx - y0 = target["y"] + dy - if y0 < 0 or x0 < 0 or y0 + ar.shape[0] > H or x0 + ar.shape[1] > W: - ch_vals.append(None); tv_vals.append(None); dxs.append((dx, dy)) - continue - tv = _tv_at(bigf, ar, x0, y0) - ch_vals.append(float(score2[y0, x0])) - tv_vals.append(tv) - dxs.append((dx, dy)) - chv = np.array([v if v is not None else np.nan for v in ch_vals], np.float32) - tvv = np.array([v if v is not None else np.nan for v in tv_vals], np.float32) - if np.isnan(tvv).all(): - return target - sd_t = np.nanstd(tvv) - # TV 信噪保护：谷值不显著（<0.5σ 低于均值）说明该题 TV 无区分度，不采纳 - if sd_t < 1e-6 or (np.nanmean(tvv) - np.nanmin(tvv)) < 0.5 * sd_t: + bx0, by0 = d["bbox"] + cands = enriched if enriched else [target] + if top_n: + cands = list(cands)[:top_n] + scored = [] + for e in list(cands)[:top_n]: + s = e["scale"] + h, w = a_full.shape + ar_full = cv2.resize(a_full, (max(1, round(w * s)), max(1, round(h * s))), + interpolation=cv2.INTER_AREA) + ay0, ax0 = max(0, round(by0 * s)), max(0, round(bx0 * s)) + ar = ar_full[ay0:round((by0 + d["am"].shape[0]) * s), + ax0:round((bx0 + d["am"].shape[1]) * s)] + if ar.size == 0 or ((ar > 0.05) & (ar < 0.85)).sum() < 200: + continue + pts = [] + for dy in range(-win, win + 1): + for dx in range(-win, win + 1): + x0 = e["x"] + dx + y0 = e["y"] + dy + if y0 < 0 or x0 < 0 or y0 + ar.shape[0] > H or x0 + ar.shape[1] > W: + continue + tv = _tv_at(bigf, ar, x0, y0) + if tv is not None: + pts.append((dx, dy, tv)) + if len(pts) < 20: + continue + tvs = np.array([p[2] for p in pts], np.float32) + sd = float(np.std(tvs)) + if sd < 1e-6 or (float(np.mean(tvs)) - float(np.min(tvs))) < 0.5 * sd: + continue # 该候选 TV 无区分度 + bi = int(np.argmin(tvs)) + dx, dy, tvmin = pts[bi] + scored.append(dict(cand=e, dx=dx, dy=dy, tv=tvmin, + refined=e["refined"])) + if not scored: return target + ref = np.array([r["refined"] for r in scored], np.float32) + tvv = np.array([r["tv"] for r in scored], np.float32) def zn(v): - m = np.nanmean(v) - sd = np.nanstd(v) + 1e-9 - return (v - m) / sd - comb = zn(chv) + lam * zn(tvv) - if np.isnan(comb).all(): - return target - bi = int(np.nanargmin(comb)) - dx, dy = dxs[bi] - if dx == 0 and dy == 0: - return target - out = dict(target) - out["x"] = target["x"] + dx - out["y"] = target["y"] + dy + sd = float(np.std(v)) + 1e-9 + return (v - float(np.mean(v))) / sd + comb = zn(ref) + lam * zn(tvv) + bi = int(np.argmin(comb)) + best = scored[bi] + # 显著性保护：切候选要求新候选 TV 比原 target 低 ≥1σ， + # 否则保持（165204 PASS 题被 TV 拉走 +7px 的教训） + tv_sd = float(np.std(tvv)) + 1e-9 + def _same(e, t): + return (abs(e.get("x", -9999) - t.get("x", -9998)) <= 2 + and abs(e.get("y", -9999) - t.get("y", -9998)) <= 2 + and abs(e.get("scale", -1) - t.get("scale", -2)) < 0.005) + same_as_target = _same(best["cand"], target) + if not same_as_target: + tgt_entry = next((r for r in scored if _same(r["cand"], target)), None) + if tgt_entry is not None and (tgt_entry["tv"] - best["tv"]) < tv_sd: + best = tgt_entry + elif tgt_entry is None: + return target + out = dict(best["cand"]) + out["x"] = best["cand"]["x"] + best["dx"] + out["y"] = best["cand"]["y"] + best["dy"] + # TV 精修分合成到 refined（用于日志/阈值可比） + out["refined"] = target["refined"] return out except Exception: return target @@ -488,9 +508,10 @@ def solve_pair(big, mark, tip_y=None): refined=best[0]) # TV 精修（2026-09-15）：贴片 = bg*(1-a)+white*a，位置正确时反推出的 # bg（=（pixel-white*a)/(1-a)）应是自然图像（总变差最低）。 - # 4 标定样本上真值处 TV 全部谷底或并列谷底；与 chamfer z-分数相加 - # (λ=1.0) 后 4/4 命中 ≤1px。仅 OK 候选做，窗口 ±5px。 - target = _tv_refine(big, mark, d, target) + # 候选级判别 + 窗口微调：对 refined 前 3 候选各在 ±5px 窗口找 TV 谷， + # chamfer z 分 + TV z 分联合重排（live_173634 实测：错选候选 TV=304， + # 真候选 TV=198，判别力跨候选有效）。 + target = _tv_refine(big, mark, d, target, enriched) s = target["scale"] off = (target["x"] - round(bx0 * s), target["y"] - round(by0 * s)) return dict(x=off[0], y=off[1], scale=s, rot=target["rot"],