24 vs 50 denoise steps · 孪生对照
同 ckpt · 同 4 clips(2 TRAIN + 2 TEST)· 同种子 · 同 cluster-128 τ.85 / t.45 / uniform 各自配置 — 唯一变量 = 采样步数(24 = 23 Euler + x0-proj;50 = 49 + x0-proj)。背靠背两个 job(403149 / 403543),ckpt 漂移 ≤500 步。
📌 定论:24 步保持默认。严格同-ckpt 的 4 行里,50 步 PSNR 平手或 −0.1dB,unseen 内容能量只多 ~2 分(肉眼不可见,目检两套大图逐行几乎相同),代价是 2.1× 推理时间。此前"24≥50"的旧结论在新架构上重测后仍然成立。
严格同-ckpt 配对(4-clip 平均,seen-PSNR dB / unseen-gray)
| 模型 @ckpt | 24 步 | 50 步 | ΔPSNR | Δgray(负=50 更多内容) |
| baseline r128 uniform @3000 | 12.88 / −5.2 | 12.88 / −5.3 | 0.00 | −0.1 |
| expC cl128 τ.85 @4500 | 12.25 / −45.2 | 12.15 / −46.9 | −0.10 | −1.7 |
| expE-rand cl128 τ.85 @4500 | 12.93 / −32.6 | 12.80 / −34.6 | −0.13 | −2.0 |
| expE-scratch cl128 τ.85 @1000 | 13.15 / −21.5 | 13.03 / −23.3 | −0.13 | −1.8 |
漂移行(24-run ckpt 多 +500 步,仅供参考)
| 模型 | 24 步 @ckpt | 50 步 @ckpt |
| expA t.45 | 12.63 / −24.0 @5500 | 12.60 / −25.1 @5000 |
| expB t.45 | 12.68 / −21.2 @5500 | 12.63 / −26.5 @5000 |
| expE-geo cl128 τ.85 | 12.98 / −26.6 @5000 | 12.70 / −26.8 @4500 |
⚠️ 方法论备注:此前 reinfer_expE 的数字(rand@4500=12.68 等)与本表不可比 — 两脚本族的 seen-mask 取自不同 cache 的 k(fwd18 voxel-k vs novoxel density-k),mask 不同则 PSNR 区域不同。跨表比较只能在同脚本族内做;本页两列来自同一 full_compare 家族,mask 逐字节相同。
💡 顺带读数(24 列,ckpt 较新):expE-scratch@own-1000 仍是全场第一(13.15,含 TEST clip 111b656f 上 16.5dB 反超 baseline 16.3 且内容能量 3 倍);geo@5000 升至 12.98 在追近。clean-lineage 优势持续。
逐 clip 大图(左 24 步 · 右 50 步;行序 GT/baseline/A/B/C/geo/rand/scratch)
TRAIN 00534f58 · 24 步
TRAIN 00534f58 · 50 步
TRAIN 0003dc82 · 24 步
TRAIN 0003dc82 · 50 步
TEST 111b656f · 24 步
TEST 111b656f · 50 步
TEST 2501f488 · 24 步
TEST 2501f488 · 50 步
jobs: full_compare50=403149 · full_compare24=403543 · 2026-07-28 · MCSDF ablation fleetexpF +Plücker 训练中expG VACE-14B 训练中