在声明重建达到1:1前，用可量化门禁验证参考图与渲染结果

当资产需要匹配模板、视觉反馈显示输出有偏差、部件数量必须精确，或导出品牌吉祥物/logo重建前，对参考图、线框、纹理图集和Blender渲染进行测量与验证。

适用场景

解决思路

1. 在资产输出文件夹中创建必需产物：reference_manifest.json（分类后的源文件、预期部件、阈值）、source_analysis/*.json（图像元数据、掩码/组件/关键点）、validation/front_overlay_reference.png（参考与渲染叠加图）、validation/front_mask_validation.json（IoU/SSIM/bbox/centroid报告）。
2. 对源文件进行分类：front、side、back、top、texture atlas、decals、maps、lightmap、aura/context。
3. 构建或刷新 reference_manifest.json，写入硬性预期数量和视图角色。
4. 使用 scripts/reference_manifest_compiler.py 或现有分析器从每个源中提取掩码/组件。
5. 从匹配的正交相机渲染模型，并隐藏参考平面。
6. 使用 scripts/render_overlay_validator.py 比较参考掩码与渲染掩码。
7. 如果硬性门禁失败，拒绝最终导出。
8. 遵循模态规则：同类比较。线框边缘掩码与着色美渲染比较会产生误导性的低IoU；对于硬性门禁，从Blender渲染平面剪影/遮罩通道，或将参考边缘与渲染边缘比较；当源和渲染需要不同的掩码提取模式时，使用 render_overlay_validator.py --reference-mode ... --render-mode ...。
9. 应用默认验证门禁：主要结构部件数量必须精确；正面剪影IoU目标 >= 0.90（刚性/标识形状），首次吉祥物重建通过可接受 >= 0.82；在1024 px验证尺寸下bbox中心漂移 <= 12 px；bbox尺寸漂移 <= 图像尺寸的3%；当定义了关键点时，面部/眼睛/微笑关键点漂移 <= 图像尺寸的2%。
10. 遵循失败策略：如果重复出现不匹配，记录测量到的失败，然后路由到缺失的专项技能——剪影错误 → contour-to-mesh；深度/侧面/背面错误 → orthographic-registration；纹理错误 → atlas-uv-fitting；整个工作流错误 → mascot-logo-reconstruction。
11. 需要时阅读 references/metrics-and-thresholds.md 以获取指标定义和推荐门禁。
12. 扩展此技能时优先参考官方/库文档：OpenCV轮廓特征（矩、面积、周长、边界矩形）、OpenCV形状匹配/Hu矩、OpenCV单应性和几何变换、scikit-image SSIM用于感知比较。

适用边界 · 注意事项

• 当任务不要求1:1匹配模板或参考时（例如自由形式的概念艺术）。
• 当没有可用的参考源或掩码来建立可测量门禁时。
• 当输出是无需结构或部件数量精确性的非视觉资产时。