docs(rvm): add §7.5 graph-surgery op-count delta (353→317, −36 nodes)

README.md

@@ -36,6 +36,7 @@ pipeline_tag: image-segmentation
 5. [生成与部署指南（Generation & Deployment Guide）](#5-生成与部署指南generation--deployment-guide)
 6. [速查表（Quick Reference）](#6-速查表quick-reference)
 7. [RobustVideoMatting（RVM）模型](#7-robustvideoMattingrvm模型)
+    - [7.5 Graph Surgery：移除最终的 Resize 及以后的算子](#75-graph-surgery移除最终的-resize-及以后的算子)
 8. [相关文档（Related Documentation）](#8-相关文档related-documentation)
 
 ---
@@ -445,6 +446,52 @@ python3 tools/MODNet/verify_golden_tensor.py
 | **速度优先** | `rvm_mobilenetv3_fp16_1080x1920_rk3588_fp16.rknn` | 比 dsr=0.5 快 1.43 倍 |
 | **低内存** | `rvm_mobilenetv3_fp16_288x512_rk3588_fp16_v20260416.rknn` | 最小 r-state 占用 |
 
+### 7.5 Graph Surgery：移除最终的 Resize 及以后的算子
+
+> 最终调试版 RKNN 模型（文件名包含 `no-resize`）通过 ArcFoundry `graph_surgery`
+> 把原始 RVM ONNX 中 refiner 末尾的 2 个 Resize + 后续 element-wise 链裁掉，
+> 由 C++ 后处理端自行完成 guided-filter 组合 + 上采样。
+>
+> 详情见仓库内 `log-MR2-P5-s5_8_22-bottleneck-investigation.md`
+> 的 §s5_8_22_12（独立脚本版）和 §s5_8_22_14（ArcFoundry 集成版）。
+
+#### 裁剪点
+
+| 项目 | 数值 |
+|------|-----|
+| 原始 ONNX 总节点数 | 353 |
+| 被删除的"尾部"命名算子 | 2× Resize + Mul + Add + Split + Add + 2× Clip（共 8 个） |
+| `graph.cleanup()` 级联删除的死节点 | 28 个 |
+| **图清理后净减少的节点（实测）** | **36 个**（353 → 317） |
+| 裁剪版图输出 tensor | `777`（Conv_316 输出，refiner A，4ch，272×480）、`779`（Sub_318 输出，refiner b，4ch，272×480），外加 `r1o~r4o` |
+
+#### 实测算子分类对比（脚本：`scripts/compare_rvm_op_counts.py`）
+
+| op_type | 原版 | 裁剪版 | Δ（原版 − 裁剪版） |
+|---------|----:|-----:|------------------:|
+| Constant | 48  | 32   | +16 |
+| Shape    | 12  |  8   |  +4 |
+| Slice    | 12  |  8   |  +4 |
+| Concat   | 23  | 20   |  +3 |
+| Add      | 16  | 14   |  +2 |
+| Clip     |  2  |  0   |  +2 |
+| Resize   |  7  |  5   |  +2 |
+| Mul      | 47  | 46   |  +1 |
+| ReduceMean | 2 |  1   |  +1 |
+| Split    | 10  |  9   |  +1 |
+| **合计** |    |     | **+36** |
+
+> 上表只列出发生变化的 `op_type`（未变的不列出）。所有数值均由
+> `scripts/compare_rvm_op_counts.py` 在 2026-07-03 实测得出，无估算。
+
+**为什么 `Constant` 减少了 16 个？** 因为 `graph.cleanup()` 会同时清理那些原本只为
+被删节点提供常量输入的 Constant 节点；而 `Shape`/`Slice`/`Concat` 的减少则来自
+refiner 内 Concat_311 上游、只为已删除 Resize 准备 shape/slice 信息的辅助节点。
+
+**为什么 `Conv` 一颗没少？** 裁剪只动 refiner 尾巴（ID 195-202 对应的算子），
+refiner 内部产生 A/b 的 Conv 网络（Conv_312/314/316）被保留——它输出的
+A(4ch,272×480) + b(4ch,272×480) 是 C++ 后处理 guided-filter 组合的输入。
+
 ---
 
 ## 8. 相关文档（Related Documentation）
@@ -481,6 +528,6 @@ Overfitting: ✓ No significant degradation, clean convergence
 
 ---
 
-**文档版本**：1.1
+**文档版本**：1.2
 **最后更新**：2026-07-03 by PotterWhite
 **提交历史**：通过 Git commit message 追踪