视点驱动 + 灭点梯度 + 点线三维成形 → 域创新 → 物理世界理解 → 反向生成可理解三维模型
"看图不是像素识别——是人脑选一个虚拟视点，加第三轴高度想象，配合灭点自然汇聚，形成三维空间理解。把这个过程形式化、算法化、再反向验证。"
平面图(CAD/DXF) │ ├── ① 视点选定 ── 虚拟站位 + 看向方向 + 视场角 ├── ② 灭点计算 ── VPx(解放路) + VPy(红旗街) + VPz(高度) ├── ③ 第三轴挤压 ── 层高3m × 7层 = 21m总高 ├── ④ 点线梯度成形 ── 法线光照 + 深度雾 + 面梯度 │ ▼ 三维点线面集 (可验证坐标) │ ├── ⑤ TRIZ域创新 ── 矛盾矩阵 → 创新语法 → 生成式设计 ├── ⑥ NVIDIA Cosmos ── 物理世界理解 → 空间语义转义 │ ▼ 反向生成: 可视、可理解、可验证的三维建筑模型
虚拟视点选定 → 灭点数学推导（非图像检测）。二点/三点透视自动切换。人眼高度1.6m、鸟瞰视角任选。
✅ 已实现 (spatial_perceiver_v2.py)
法线·光源 → 面明暗梯度。深度雾 → 空气透视。Perlin噪声 → 手绘质感。面分类着色(屋顶/墙/地)。
✅ 已实现 (vanishing_point_v2.py)
40发明原理 × 39工程参数 → 矛盾矩阵。将建筑空间转化为创新问题域：功能分区优化、流线设计、立面生成。
⚠️ 框架已有，待对接空间域
物理世界基础模型(2026.5)。Reasoner: 2D grounding + 空间推理 + 物理可行性。Generator: 文本/图→3D场景。开源 NIM部署。
⚠️ 需GPU服务器 (A100+)
3D模型 → 多视角渲染 → 与原始CAD坐标对比。每像素可追溯：屏幕(sx,sy) ← 3D(x,y,z) ← CAD(x,y)。尺寸链闭环。
⚠️ 待实现
| 发现 | 含义 |
|---|---|
| 灭点是视点的函数，非图像特征 | 同一平面图，不同视点→不同灭点组合。不能从图像"检测"灭点，应从视点"计算" |
| 二点/三点透视自动切换 | 平视→二点(VPz=∞)；俯瞰→三点(VPz有限)。由视点高度自然决定 |
| 坐标映射链可逆 | 任一屏幕像素可反推CAD坐标。f(屏幕坐标, 相机参数) → 世界3D → CAD平面 |
| 组件 | 功能 | 与我们的关系 |
|---|---|---|
| Reasoner | 2D Grounding、物理可行性分析、空间关系推理、场景理解 | 接收我们的消失点重建结果→验证空间结构合理性 |
| Generator | 文本/图像→视频、前向动力学、动作策略 | 将我们的线框模型→照片级建筑可视化 |
| Tokenizers | 通用视觉标记化、压缩表示 | 对标我们的"空间预OCR"提取空间基元 |
| 路径 | 流程 | 硬件 |
|---|---|---|
| A. CAD直通 | DXF → SimReady → USD → Cosmos Reasoner | A100+云端 |
| B. 消失点桥接 (推荐) | 我们的管线 → Gaussian Splat → USD → Cosmos Reasoner + Generator | Pi5+云端混合 |
| C. TRIZ增强 | TRIZ矛盾分析 → 创新约束 → 消失点重建 → Cosmos理解/生成 | Pi5+云端混合 |
API访问: NVIDIA NIM容器 (OpenAI兼容API) 或 vLLM-Omni部署。
模型: Cosmos3-Nano-16B (推理), Cosmos3-Super-64B (生成)。
开源协议: OpenMDW-1.1，HuggingFace可获取。
建筑面积(改善) vs 自然采光(恶化) → 原理#7嵌套/原理#17维度变化
功能分区(改善) vs 流线效率(恶化) → 原理#1分割/原理#15动态化
窗墙比 × 朝向 × 遮阳 → 参数化立面
灭点投影约束 → 立面视觉校正
Cosmos Generator → 物理可信渲染
| P | 模块 | 现状 | 依赖 |
|---|---|---|---|
| P0 | 视点引擎 + 梯度成形 | ✅ v2完成 | -- |
| P1 | TRIZ对接空间域 | ⚠️ 待开发 | TRIZ引擎已有 |
| P2 | Gaussian Splat桥接 | ⚠️ 待研究 | 3D点云→面片 |
| P3 | Cosmos NIM部署 | ⚠️ 需GPU | A100云服务器 |
| P4 | 反向生成验证闭环 | ⚠️ 待实现 | Cosmos Generator |