SAM：1000合成＋90真实联合微调对比

固定真实10：相同指标与后处理

越小越好	原默认384次	旧500合成，选中920次	新1000合成，再训练1000次
原始边缘 px	6.032	6.331	6.211
相同后处理边缘 px	5.802	5.998	5.848
六点 px	13.081	10.081	9.677
上下书脊点 px	7.307	6.074	5.744
遮挡区域边缘 px	5.719	5.544	5.541

已完整训练1000次更新，选中第980次权重。新候选未同时通过全部保护条件；已保存供比较，默认继续使用上一轮联合模型。

旧500合成模型

新1000合成模型

新模型＋相同姿态修正

滚轮同步放大；拖动同步平移。右栏沿用旧版姿态修正策略，并非新增训练模块；判断学习效果请比较左、中两栏。

同一主实验权重之后，坐标对照和全局六点热图监督各100次更新，SAM与局部模块固定，只调整35,788个角点参数。综合保护条件推荐：主实验。原始边缘 6.211 → 6.211px，六点 9.677 → 9.677px，书脊 5.744 → 5.744px。

打开三组同步轮廓与六点对照、书脊放大及曲线。两组只增加约0.24MiB角点增量文件，复用主实验SAM权重；没有自动替换默认模型。

合成池 1000 张（旧500＋新500独立几何），90张真实训练；固定10张真实验证。全程70%真实／30%合成，合成损失权重0.5。有效batch10，microbatch2。新合成生成进度：500/500。

从旧1000次实验选中920次的权重继续训练。完整掩码、六点坐标、局部点热图和局部掩码共享一个GT匹配候选；方向约束跟随GT侧边，不假定图像竖直。推理不读取GT。仅末尾保存最佳增量权重，不存优化器，不建立磁盘特征缓存。

同时改变数据池、混合比例、候选监督、几何损失、初始化和学习率，这是一组实用配方比较；不能将全部差异归因于合成数量。固定真实10已反复用于模型选择，不是独立测试集。

训练包含随机增强；验证使用原始真实图。新旧损失定义不同，不比较跨配方loss绝对值。下排轮廓与角点指标由置信度自动选择的模型输出计算，可直接和旧模型比较。

六个独立纵轴，显示乘系数前的真实验证损失原值；轴范围不同，不能按曲线高度比较贡献或提升幅度。细小变化仍需由原图像素误差确认。

第1000次检查：SAM参数变化L2 0.087281，实际改变5,876,306个元素；六点头L2 0.155892，局部模块L2 0.251566。累计候选不一致：真实3/7000，合成125/3000。

数据组	直接输出	相同几何整理	相同姿态＋几何
real_val（10）	6.33 → 6.21	6.00 → 5.85	6.00 → 5.85
real_stress（10）	15.75 → 14.70	15.00 → 14.35	2.96 → 2.98
standard（10）	3.15 → 2.95	2.88 → 2.59	2.88 → 2.59
tilted（10）	9.57 → 8.37	9.83 → 8.72	1.61 → 1.66

仅real_val的原始真实10用于选择权重。real_stress来自同10张的倾斜变换；standard/tilted是旧合成诊断集，均不参与本轮选权重。真实无GT照片只作可视化。完整数值

上图为预先固定的四张真实验证图；绿GT，紫预测轮廓，橙色模型六点。倾斜时请使用上方逐张放大查看。

绿线为最上层摊开纸面的GT，红点为六点。下层页叠、封面和手指均不改变目标口径；遮挡处采用完整纸边。样本由固定随机种子抽取，不按模型效果挑选。

joint_training阶段每5秒采样，GPU利用率中位数56%，P10–P90为7–81%。曲线包括加载、阶段验证和温控休息，不能把空闲片段视作未训练。原始CSV