☰

企业官网建设流程全解析

首页 / 建站日记 / 企业官网建设流程全解析
gemini-watermark-remover 图片水印流水线分层重构实录：decisionPath 四层候选路径架构的完整落地
2026/10/12 1:41:29 网站建设 项目流程

【免费下载链接】gemini-watermark-remover

A high-performance, 100% client-side tool for removing Gemini AI image & video watermarks. Built with pure JavaScript using mathematically precise Reverse Alpha Blending. / 基于 JavaScript 的纯浏览器端 Gemini AI 图像和视频无损去水印工具，使用数学精确的反向 Alpha 混合算法

项目地址：https://gitcode.com/gh_mirrors/ge/gemini-watermark-remover
点击查看免费下载

本文以开源仓库 gemini-watermark-remover 的活文档 docs/image-watermark-pipeline-refactor-live.zh.md 为主体，完整还原该项目将"样本特例链"升级为"候选路径评估系统（detection → alpha → repair → evaluation）"的全过程。读者可以从中掌握一套可复用的行为等价重构方法论：如何在不改变像素输出与newlyFailing=0的前提下，把一个千行级单函数执行壳逐步拆成带契约、可测试、可归因的分层流水线，以及如何用 1000 张线上样本 benchmark 与质量监控体系守住每次重构的质量底线。

一、重构背景与基线冻结（Phase 0）

该文档定位为"图片水印去除分层重构活文档"（更新时间 2026-06-25），其前提是 Phase 0 完成的基线冻结：

  • 线上样本集：sample-files/gemini-watermark/online-sample-2026-06-23-to-2026-06-24-max500（本地可用GWR_ONLINE_SAMPLE_ROOT指向实际下载目录）。
  • 固化基线：978/1000 = 97.80%，相对更早基线newlyPassing=29、newlyFailing=0。
  • 固化的门禁命令：
rtk pnpm benchmark:online-sample:gate -- --min-newly-passing 29

该命令对应的 package script 是benchmark:online-sample:gate（见 package.json），由scripts/gate-online-gemini-watermark-sample-benchmark.js实现。文档反复强调一个关键判断：剩余 missed-detection 不应直接用于放宽检测阈值——skipped 专用审计显示productionEvidenceSafeTotal=0，即没有样本同时满足"原图生产级水印证据强"和"去除后安全"，因此不能靠放大检测范围换取通过率。

重构的总目标在文档中表述得很明确："这次重构值得做，但不做一次性推倒重写。目标是把当前'样本特例链'升级成'候选路径评估系统'，先保持行为等价，再逐步迁移策略。"这奠定了后续所有 Phase 的基调：结构优先、行为等价、每刀验证。

二、目标架构：四层候选路径流水线

文档给出了重构后的目标流水线：

DetectionCandidate[] -> AlphaTrial[] -> RepairTrial[] -> CandidateEvaluation[] -> SelectedPlan | RejectedDecision -> executor

并配套了分层职责表，这是理解整个重构的核心：

层只回答的问题不应该做的事
水印检测层哪里可能有水印、规格是什么、原图证据强不强不改图，不决定 alphaGain，不根据去除后结果反推水印存在
Alpha 逼近层哪个 alpha map / alphaGain / alpha shape 最能解释检测候选不做纹理修复，不越过检测证据门槛
纹理重建/修复层在可信 alpha 反解基础上，局部残留、边缘、halo、纹理断裂能否安全修复不替代检测，不掩盖错误 alpha，不扩大到非 ROI
评估仲裁层哪条完整路径最优，或是否拒绝处理不直接生成候选，不执行最终改图
执行壳应用最终 plan，返回 imageData 和 meta不临时插入策略分支

这套职责划分最终在 Phase 5 被固化为可测试的代码契约：src/core/pipelineLayerContracts.js 中的PIPELINE_LAYER_ORDER固定了规范顺序detection -> alpha -> repair -> evaluation，每层 contract 记录owns / inputFields / outputFields / moduleAnchors / testAnchors。例如：

  • detection 层owns: 'candidate-localization-and-evidence'，输出selectedTrial / source / decisionTier / adaptiveConfidence / standardSpatialScore / standardGradientScore；
  • alpha 层owns: 'alpha-map-selection-and-alpha-fit'，输出alphaTrialEvents / alphaAdjustmentStages / alphaGain / alphaMap / subpixelShift / pipelineState；
  • repair 层owns: 'texture-repair-and-artifact-gated-cleanup'，输出repairTrial / passState / passes / source / finalImageData；
  • evaluation 层owns: 'decision-path-and-risk-gated-arbitration'，输出decisionPath / evaluationDecision / blockedGate / riskFlags / selectionDebug / meta。

这些契约的输入输出字段与文档"核心对象草案"一一对应，并被 tests/core/pipelineLayerContracts.test.js 锁定（canonical layer order、contracts key 顺序、关键输出锚点selectedTrial / alphaTrialEvents / repairTrial / decisionPath存在、unknown layer 返回null、summary 只暴露 counts 与 anchors）。

三、核心对象草案与真实实现对应

文档给出了六个核心对象的 JS 草案，重构后这些对象全部在仓库中真实落地（从candidateEvaluation.js迁出为独立契约模块）：

DetectionCandidate：id / source / config / position / alphaMapHint / polarityHint / evidence / provenance，对应 src/core/pipelineDetectionCandidate.js 的createDetectionCandidateFromSelectedTrial(...)与createRejectedDetectionCandidate(...)。

AlphaTrial：id / detectionId / source / alphaMap / alphaMapSource / alphaGain / alphaShape{variant,exponent,subpixelShift,scale} / imageData / scores / damage / gates / provenance，对应 src/core/pipelineAlphaTrial.js 的createAlphaTrialFromSelectedTrial(...)。

RepairTrial：id / alphaTrialId / source / repairType / params / imageData / scores / artifacts / gates / provenance，对应 src/core/pipelineRepairTrial.js 的createRepairTrialFromStages(...)。源码中用ALPHA_STAGE_PATTERNS（/alpha/、/recalibration/、/over-subtraction/、/subpixel/、/new-margin-96-variant/、/power-profile/、/residual-rebalance/、/anti-template/）与REPAIR_STAGE_PATTERNS（/cleanup/、/edge/、/repair/、/flat.*fill/、/prior/、/halo/、/boundary/、/quantized/、/mid-core/、/background/）做 stage 分类，并由inferRepairStrategy(stageName)完成 repairStrategy 推断（如known-48-flat-fill、dark-halo-repair、canonical-96-positive-halo-repair、boundary-repair、quantized-body-correction、mid-core-bias-correction等）。

CandidateEvaluation：pathId / detectionId / alphaTrialId / repairTrialId / eligible / decision / blockedGate / riskFlags / evidenceClass / residualClass / damageClass / rankingKey / explanation，落在 src/core/candidateEvaluation.js（保留 new-margin 风险 gate 与 default-alpha vs alpha-variant 仲裁）与 src/core/pipelineDecisionPath.js 的evaluation字段中。

SelectedPlan / RejectedDecision：对应createAcceptedDecisionPath(...)与createRejectedDecisionPath(...)（见 src/core/pipelineDecisionPath.js）。accepted 路径实际输出的 decisionPath 顶层形状为：

{ version: 1, decision: 'accept', detectionSource, alphaSource, repairSource, // 未应用 repair 时为 null evaluationDecision: 'accepted', blockedGate: null, riskFlags, detectionCandidate, alphaTrial, repairTrial, evaluation // 含 pathId: `${detectionId}->${alphaTrialId}->${repairTrialId}` }

rejected 路径输出decision: 'reject'、evaluationDecision: 'rejected'、blockedGate: reason（默认no-watermark-detected），alphaTrial / repairTrial均为null。createDecisionPathContractSummary(...)进一步提供 version/decision/三源/blockedGate/各子对象存在性的摘要字段。

四、Phase 1：评估层中枢与类型外壳

Phase 1 状态为已完成，核心产出：

  1. 在 src/core/candidateEvaluation.js 中新增轻量候选路径结构与 adapter：DetectionCandidate、AlphaTrial、RepairTrial、CandidateEvaluation、createAcceptedDecisionPath(...)、createRejectedDecisionPath(...)。
  2. 在 src/core/watermarkProcessor.js 的 meta 中新增decisionPath。
  3. skipped 路径现在输出decisionPath.decision = "reject"，并记录blockedGate = "no-watermark-detected"。
  4. accepted 路径从现有selectedTrial包装出 detection / alpha / repair / evaluation 结构。
  5. scripts/run-external-gemini-watermark-sample-benchmark.js 与 scripts/sample-benchmark.js 会把meta.decisionPath写入 JSON report。

验证证据（文档记录）：核心测试pass=93 / fail=0 / skipped=3、pnpm build通过、1000 张 online sample benchmark978/1000 = 97.80%、newlyPassing=29、newlyFailing=0、decisionPath覆盖1000/1000，gate 以--min-newly-passing 29通过。

Phase 1 之后新增的最低 report 字段被固化：

{ decisionPath: { detectionSource, alphaSource, repairSource, evaluationDecision, blockedGate, riskFlags } }

五、Phase 2：Alpha trial 迁移（结构化记录先行，像素不变）

Phase 2 状态为"已完成主体迁移"，核心理念是每步只改变结构化记录，不改变像素处理顺序。五步迁移逐一落地：

  1. new-margin-96-variant标记为独立 AlphaTrial strategy：alphaTrial.strategy = "new-margin-96-variant"、migrationStage = "phase2-alpha-trial"、alphaShape.variant = "20260520"，stages包含new-margin-96-variant-rescue。
  2. known-48-power-profile/known-48-positive-residual-rebalance标记为 Phase2 strategy，profileStages逐条记录stage / alphaStrategy / fromAlphaGain / toAlphaGain / beforeSpatialScore / beforeGradientScore / afterSpatialScore / afterGradientScore / suppressionGain / profileExponent / cost。线上样本2069367634989682688输出profileExponent = 0.88。
  3. located-aggressive-alpha从隐式后续强清理迁移为可解释 AlphaTrial event：接受事件写入acceptedStrategies、拒绝事件写入rejectedStrategies并记录blockedGate（如passable-spatial-drift、insufficient-balanced-gain），事件记录 alphaGain、repeatCount、edgeCleanup、before/after 分数、spatialDrift、cost。文档明确"这一步的重点不是让 located-aggressive 成为主策略，而是让评估层能看见它为什么被采用或被挡住"。
  4. over-subtraction-fine-alpha从宽泛fine-alpha归类中拆出，覆盖over-subtraction-recalibration与weak-positive-residual-fine-alpha；dark-catalog-fine-alpha先单独识别、下一步再迁移。
  5. dark-catalog-fine-alpha迁移为独立 Phase2 AlphaTrial strategy，暗底 catalog 样本src/assets/samples/20260608-4.png输出processedSpatialScore ≈ -0.0902、processedGradientScore ≈ 0.0535。

Phase 2 全量 benchmark 的 strategy 分布极具参考价值（反映真实生产中的策略使用频率）：

  • selected-alpha=513、located-aggressive-alpha=326、over-subtraction-fine-alpha=107、alpha-variant=21、known-48-positive-residual-rebalance=9、known-48-power-profile=3、dark-catalog-fine-alpha=3、new-margin-96-variant=2。

其中alphaTrial的 accepted event504、rejected event26，decisionPath覆盖1000/1000，相对after-rebalance基线newlyPassing=0 / newlyFailing=0，gate 用--min-newly-passing 0通过（因为这是行为等价结构迁移，不以新增通过数为目标）。

六、Phase 3：Repair trial 迁移（纹理修复与评估层解耦）

Phase 3 同样保持"像素处理顺序不变、只增强结构化记录"，五步把 repair 层逐步独立：

  1. edge-cleanup/luma-edge进入decisionPath.repairTrial：known-48-edge-cleanup写入 repair stage，known-48-luma-edge-correction标记repairStrategy = "luma-edge"。repairTrial.params[*]记录stage / repairStrategy / fromAlphaGain / toAlphaGain / beforeSpatialScore / beforeGradientScore / afterSpatialScore / afterGradientScore / suppressionGain / cost，repairTrial.gates.stages记录参与 repair 的 stage 名单。这一步修复了一个观测缺口：普通 edge cleanup 以前只体现在source字符串里，没有独立 stage 记录。
  2. flat-fill拆为明确 strategy：known-48-flat-fill与new-margin-96-flat-fill。
  3. estimated-prior拆为三个明确 strategy：smooth-located-prior、small-margin-prior、small-located-prior。
  4. halo-repair/quantized-body-correction进一步结构化：dark-halo-low-logo-rescue→dark-halo-repair，canonical-96-positive-halo-rescue→canonical-96-positive-halo-repair，quantized-body-correction保持同名；fixture tests/fixtures/issue93-canonical96-positive-halo.png 验证了canonical-96-positive-halo-repair输出。
  5. Phase 3 收口：known-48-boundary-repair-rescue→boundary-repair、known-48-mid-core-bias-correction补显式repairStrategy，全量 report 中genericCount=0，未发现repair / halo-repair / estimated-prior / flat-fill / missing strategy泛化残留。

Phase 3 收口 benchmark 的 repair strategy 计数（全量 1000 样本，repairApplied=175）：

edge-cleanup=132, luma-edge=70, known-48-flat-fill=19, quantized-body-correction=4, new-margin-96-flat-fill=4, small-located-prior=3, dark-halo-repair=3, small-margin-prior=2, mid-core-bias-correction=1

值得注意的一个工程细节：文档记录了本机 pnpm 为11.7.0时不再读取package.json#pnpm.onlyBuiltDependencies，为恢复非交互 build scripts approval，本轮新增 pnpm-workspace.yaml，其中allowBuilds允许esbuild、protobufjs、sharp。

七、Phase 4：执行壳瘦身（行为等价迁移的方法论样板）

Phase 4 是文档中篇幅最大、步骤最细的部分（状态：进行中，至文档记录时已完成 66 步），核心目标是把processWatermarkImageData从"千行策略分支容器"瘦身为 thin adapter。其方法完全可复用：每刀只移动一种边界（trace / meta / state / timing / specs / runtime / executor），不做任何策略改动，每刀都跑node --check+ 单测 +pnpm build+ full benchmark + gate 五件套。

按照迁移顺序，Phase 4 逐层外提的模块如下（全部可在仓库中确认存在）：

边界类型模块关键导出
Trace 记录pipelineTrace.jscreatePipelineTraceRecorder()、recordAlphaAdjustmentStage(...)、recordAlphaTrialEvent(...)，统一管理alphaAdjustmentStages / alphaTrialEvents
Meta 汇总pipelineMeta.jscreateWatermarkMeta(...)、createAcceptedWatermarkMeta(...)、createRejectedWatermarkMeta(...)
初始选择pipelineInitialSelection.jsselectInitialWatermarkCandidate(...)，仍复用candidateSelector.js#selectInitialCandidate(...)
首轮指标pipelineMetrics.jsshouldStopAfterFirstPass(...)、createFirstPassMetrics(...)、createRegionCorrelationMetrics(...)
状态提交pipelineState.jscreatePipelineStateCommit(...)、createAcceptedPipelineState(...)、createInitialPipelineRuntimeState(...)、createPipelineStateAccessors(...)
Repair 门pipelineRepairGates.jsshouldUsePreviewAnchorFastCleanup(...)、shouldUseKnown48EdgeCleanup(...)、shouldUseV2SmallEdgeCleanup(...)、createRepairCleanupFlags(...)
尾段计时pipelineTimings.jscreateTailDebugTimings(...)，覆盖 15 项*Mstiming
结果封装pipelineResult.jscreateAcceptedPipelineResult(...)、createRejectedPipelineResult(...)、createAcceptedPipelineResultFromState(...)
运行时胶水pipelineRuntime.jscreateAlphaRepairPipelineRuntime(...)、acceptAlphaTrialResult(...)、acceptRepairTrialResult(...)、acceptAlphaStageResult(...)、acceptLocatedAggressiveResult(...)、acceptPreviewBackgroundCleanupResult(...)、runCurrentAlphaTrialStage(...)、runCurrentAlphaStage(...)、runCurrentRepairStage(...)、runRepeatedCurrentRepairStage(...)、runCurrentAlphaTrialSequence(...)、runCurrentAlphaStageSequence(...)、runCurrentRepairStageSequence(...)、runCurrentAlphaTrialSpecPhase(...)等
Pass 状态pipelinePassState.jscreateEmptyPipelinePassState()、createFirstPassPipelinePassState(...)、applyPipelinePassOutcome(...)
Repair specspipelineRepairStageSpecs.jscreateTailRepairStageSequenceSpecs(...)、createRepairCleanupPhaseSpecs(...)、createPostLocatedRepairStageSequenceSpecs(...)、createPreviewBackgroundCleanupStageSpec(...)
Alpha specspipelineAlphaStageSpecs.jscreateFineAlphaTrialSequenceSpecs(...)、createAlphaRescueStageSequenceSpecs(...)、createSmallAnchorAlphaStageSequenceSpecs(...)、createSubpixelOutlineAlphaStageSpecs(...)、createLocatedAggressiveStageSpec(...)、createRecalibrationStageSpec(...)
BootstrappipelineRuntimeBootstrap.jscreateAcceptedPipelineRuntimeBootstrap(...)
ExecutorpipelineAcceptedExecutor.jsrunAcceptedAlphaRepairPipeline(...)
Request 层pipelineAcceptedExecutorRequest.js、pipelineAcceptedFinalizationRequest.jscreateAcceptedPipelineExecutorRequest(...)、createAcceptedPipelineFinalizationRequest(...)
初始上下文pipelineInitialContext.jscreateInitialPipelineContext(...)，归一adaptiveMode -> allowAdaptiveSearch、clone 输入、校验alpha48/alpha96、计算defaultConfig / resolvedConfig / position
外层壳imageWatermarkPipeline.jsrunImageWatermarkPipeline(...)，串联 initial context → 候选收集 → hypothesis 执行 → ranking → meta → rejected/accepted 分支
Request 壳imageWatermarkPipelineRequest.jscreateImageWatermarkPipelineCleanupConfig(...)、createImageWatermarkPipelineRequest(...)
FinalizationpipelineFinalization.jscreateAcceptedPipelineFinalResult(...)

从 src/core/imageWatermarkPipeline.js 的源码可见，外层壳runImageWatermarkPipeline(...)以依赖注入方式暴露可替换的selectCandidate / collectCandidates / runCandidate / measureCandidate / rankCandidates / createSummaries / attachSelectionMeta / runAcceptedPipeline / createRejectedResult / createAcceptedFinalResult，这让 orchestration 可以被小单测覆盖而不是只依赖 full benchmark；而 src/core/watermarkProcessor.js 的processWatermarkImageData(imageData, options)最终退化为一行调用：runImageWatermarkPipeline(createImageWatermarkPipelineRequest({...}))。

文档在此阶段明确了一条"边界克制"原则：createAcceptedPipelineDependencies()当前仍绑定大量私有 refiner/gate，强行外移会迫使公开过多内部策略函数，收益低于风险，因此保留在 adapter 中——这提醒重构者：模块拆分应以真实边界收益为准，而非"文件越少代码越好"。

八、Phase 5：四层契约与接口矩阵（重构收口）

Phase 5 的目标是把"检测、alpha 逼近、修复、评估"的边界从文档意图变成可测试 contract，分六刀完成：

  1. pipelineLayerContracts.js（前述）：固定四层 order 与每层 input/output/module/test anchors。
  2. pipelineDetectionCandidate.js：detection 层候选对象构造迁出，candidateEvaluation.jsre-export 保持兼容；createRejectedDecisionPath(...)改为复用createRejectedDetectionCandidate(...)，让 skipped/rejected 路径也进入 detection contract。
  3. pipelineAlphaTrial.js：decisionPath.alphaTrial构造迁出，同时清理candidateEvaluation.js中迁出后未再使用的 trial id / config / position helper。
  4. pipelineAlphaTraceContract.js：把 alpha trace 的记录格式抽出（normalizeAlphaTrialEventForTrace(...)、normalizeAlphaAdjustmentStageForTrace(...)、createAlphaTraceContractSummary(...)）。其中normalizeAlphaAdjustmentStageForTrace保留关键 gate：缺少 stage/alpha gain 跳过、same-gain 默认跳过（allowSameAlphaGain时允许）、非有限数归一为null、空字符串 strategy 归一为null；pipelineTrace.js退化为只维护两个数组并调用 contract 归一化。
  5. pipelineRepairTrial.js：decisionPath.repairTrial构造迁出（前述的 stage 分类与 repairStrategy 推断）。
  6. pipelineDecisionPath.js：accepted/rejected decisionPath 顶层装配迁出，candidateEvaluation.js收敛为真正的 candidate scoring/arbitration 入口（保留 new-margin 风险 gate、default-alpha vs alpha-variant 仲裁）。

Phase 5 收尾审阅的结论值得记录：不建议继续为了"更细文件"机械拆分——当前继续拆candidateEvaluation.js的收益已低于回到真实失败样本，剩余问题不太可能靠继续搬文件解决，需要重新按样本归因；且每次触碰 decisionPath/meta 都要跑全量 benchmark，低收益重构会拖慢进入算法改进。最终四层 contract 与运行壳的边界全部落到代码与测试中，质量门禁保持稳定（978/1000、newlyFailing=0、decisionPath=1000/1000、accepted 984 / rejected 16、repairApplied=175）。

九、迁移原则、验收门槛与 Stop 条件（可复用的工程纪律）

文档沉淀的7 条迁移原则是整个重构的灵魂：

  1. 先加结构，不改行为。
  2. 每一步迁移都必须保留旧路径对照，直到 full benchmark 和 gate 通过。
  3. 单个 strategy 迁移独立完成，不跨多类样本混改。
  4. skipped 的安全候选必须同时满足生产级原图证据和去除安全，不能只看去除后指标。
  5. 纹理修复只能在可信 detection + alpha trial 后执行，不能用来制造水印存在证据。
  6. 每个拒绝都要可解释：detection-rejected、alpha-no-safe-fit、repair-unsafe、evaluation-rejected。
  7. 每轮重构后更新此文档的状态和下一步。

验收门槛（每个阶段必须满足）：核心测试通过、build 通过、线上样本 gate 通过、newlyFailing=0，且关键 report 能解释 selected path、rejected path、rejection reason、detection evidence、alpha fit scores、repair artifact scores。

Stop 条件（遇到即停下复核，而不是继续堆策略）：

  • full benchmark 出现newlyFailing > 0；
  • skipped 样本只凭去除后指标变为通过，但原图生产级证据不足；
  • 单例样本需要新增独有阈值才能通过；
  • repair trial 在非 ROI 或低证据区域产生明显内容损伤；
  • userscript / SDK / CLI meta 兼容性被破坏。

十、重构后的质量监控体系（评估口径升级）

重构收口后，文档转入"完美修复率 / 瑕疵率监控"，新增诊断入口：

  • scripts/create-online-sample-quality-monitor.js（pnpm report:online-sample:quality-monitor）；
  • scripts/create-online-quality-review-pack.js（pnpm report:online-sample:quality-review）；
  • scripts/create-online-quality-ablation-report.js（pnpm report:online-sample:quality-ablation）；
  • scripts/create-online-perfect-lost-github-compare.js（pnpm report:online-sample:perfect-lost-github-compare）。

监控分三档：perfect strict（通过 benchmark 且 strict 阈值下无 residual / halo / damage / texture / near-black / clipping / weak suppression flag）、clean pass（clean 阈值下无瑕疵 flag）、severe defect（fail、可见残留或强 residual/halo/damage/texture/near-black 任一命中）。

Phase 5 当前质量基线（文档记录）：

  • pass = 978/1000 = 97.80%
  • perfect strict = 82/1000 = 8.20%
  • clean pass = 247/1000 = 24.70%
  • strict defect = 918/1000 = 91.80%
  • clean defect = 753/1000 = 75.30%
  • severe defect = 393/1000 = 39.30%
  • visible residual = 292/1000 = 29.20%
  • damage / texture metric coverage = 984/1000 = 98.40%

与最早线上基线对比呈现pass +29、visible residual -13、perfect strict -59的格局。文档的解读非常严谨：早期latest-report.json的 damage/texture 指标覆盖为 0，而 Phase 5 覆盖为 984/1000，所以perfect / strict defect / severe defect的跨 initial delta 只能当风险预警，不是同口径质量结论。59 个perfectLost的主要 flags 为damage-penalty = 56、texture-penalty = 45、near-black-increase = 6，anchor 集中在48/96/96 = 44、96/64/64 = 8、48/32/32 = 3。

质量消融报告给出关键诊断：固定生产检测位置/尺寸/alpha map、跳过后续修复、只对直接 alpha 反混合做 gain 网格搜索，总计检查 148 个重点样本后，全局只有bestPerfect = 1、bestClean = 12；诊断分布为no-direct-alpha-improvement = 64、selected-alpha-core-causes-quality-flag = 53、direct-alpha-improves-but-not-clean = 19、alpha-grid-has-clean-candidate = 9、alpha-stage-overfit-previous-gain-clean = 2。结论是"主因已经前移到 detection 后的 alpha/core inverse 候选选择"，而不是单纯的后处理层把图搞坏。

视觉复核决策（文档明确的生产决策）：本轮不增加窄范围conservative-alphaproduction gate、不增加新的tradeoffgate、不全局关闭fine-alpha / located-aggressive / repair——因为证据只证明"有少量样本在 clean 阈值下可接受"，未证明切换 conservative-alpha 会稳定改善肉眼质量。守门验证（同基线零 delta 监控）显示perfect delta = 0 / strict defect delta = 0 / severe defect delta = 0 / pass delta = 0。

GitHub v1.0.27 对照复核进一步排除了"当前版本相对旧版退步"：对 59 个perfectLost分别渲染 source / GitHub v1.0.27 after / current after / old-to-current diff x8，量化结果是old-current avg crop delta < 0.01的样本占 57/59、< 0.1占 58/59、< 0.5占 59/59，最大平均差仅0.161/255。最终判断：perfect strict -59主要不是真实视觉退步，而是评估口径升级暴露风险（新增了 damage/texture/near-black 严格指标）。

十一、剩余失败样本四层归因与后续能力提升路线

重构的终极价值体现在失败样本归因上。Phase 5 后对 22 个失败样本按主责层归因：detection = 16、repair = 4、alpha = 2。

关键结论（文档原文逻辑）：

  • 唯一值得优先做生产能力提升的重复簇是48/96/96 accepted residual / weak-suppression，共 3 个样本（2026-06-23/2069426775582052352、2026-06-23/2069438837913817088、2026-06-24/2069602182474240000），应归到repair -> alpha而非 detection；
  • 16 个 skipped 样本仍不建议放宽检测（skipped audit 结论是无 production-evidence-safe candidate）；
  • issue 92 当前不是48/96/96残留簇，而是 false-positive anchor-selection guard（当前选择96/64/64，未选弱证据96/192/192default-alpha），应留作 evaluation/detection 回归样本，不并入 P1 residual fixture set。

文档还沉淀了值得跟的样本簇：48/96/96 大边距残留（跟踪 alpha edge profile、luma edge cleanup、修复层安全门槛）、48/32/32 小边距近阈值残留（高纹理/高对比背景下轻量 edge cleanup，仅略高于阈值，优先等同簇样本而非单例特化）、需要人工真值确认（有部分模板证据但去除不安全，适合人工真值池）。

P1 小实验收尾给出了实证结论：纯 alpha profile sweep 没有安全、稳定、可推广候选（best safe profile improvements = 0）；boundary/texture repair sweep 中找到best safe preset = edge-luma-r5-signed-mid（样本2069426775582052352的balancedCost从0.578219降到0.293285、gradient从0.312419降到0.216936、visible=false），但样本被归类为structured-edge-protected，当前 gate 不允许直接进生产。文档给出的后续路线非常克制：先人工视觉复核该 sheet，若确认优于生产输出，再从全量 1000 中找同类样本做离线 gate sweep，只有当离线 sweep 没有新增损伤才把例外 gate 写入生产，且例外准入 gate 至少需满足：原图证据强、修复后 visible 关闭、balanced cost 明显下降、artifact cost 不上升、newly clipped 不上升、在非 P1 / skipped / issue92 样本上无误伤。

十二、总结：这次重构留下了什么

从 docs/image-watermark-pipeline-refactor-live.zh.md 的完整记录看，这次重构的实际收益可以概括为三点：

  1. 边界可测：把"检测、alpha 逼近、修复、评估"从文档意图变成可测试 contract，后续新增 alpha 候选、纹理修复、评估择优时不必再塞进一个长函数。
  2. 问题可归因：对 issue 92 这类"水印去掉后仍有明显痕迹"的问题，已有地方分别承接——alpha profile 问题进 alpha 层、边缘/纹理残留进 repair 层、路径选择错误进 evaluation 层。
  3. 质量有防线：每个阶段都用"核心测试 + build + 1000 样本 benchmark + gate +newlyFailing=0"守住底线，并在重构完成后升级出 perfect/clean/severe 三档质量监控与消融/复核体系，避免了"覆盖率提升但肉眼质量不稳"的隐性退化。

对任何想把单体图像处理函数改造成可维护流水线的开发者，这份文档与仓库源码（imageWatermarkPipeline.js、pipelineDecisionPath.js、pipelineLayerContracts.js 及其在 tests/core 下的配套测试）都是一份难得的实战标本：结构迁移可以完全行为等价，质量门禁必须始终在重构之前立起来。

【免费下载链接】gemini-watermark-remover

A high-performance, 100% client-side tool for removing Gemini AI image & video watermarks. Built with pure JavaScript using mathematically precise Reverse Alpha Blending. / 基于 JavaScript 的纯浏览器端 Gemini AI 图像和视频无损去水印工具，使用数学精确的反向 Alpha 混合算法

项目地址：https://gitcode.com/gh_mirrors/ge/gemini-watermark-remover
点击查看免费下载

相关推荐

上一篇：Pandas_talib与TA-Lib对比分析：哪个更适合你的量化项目？
下一篇：终极指南：如何在Hyper-V虚拟机中搭建Windows驱动开发调试环境

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

标签： 网站建设 企业官网 项目流程 UI设计 前端开发

热门文章

文章分类

标签云

网站建设 响应式设计 用户体验 SEO优化 前端开发 小程序 电商平台 性能优化

相关文章

您可能感兴趣的其他内容

ngx-bootstrap Buttons 基础示例（Basic）使用场景与实现源码解析
2026/10/12 1:38:24 网站建设

ngx-bootstrap Buttons 基础示例（Basic）使用场景与实现源码解析

UI组件前端 【免费下载链接】ngx-bootstrap Fast and reliable Bootstrap widgets in Angular (supports Ivy engine) 项目地址&#xff1a; https://gitcode.com/gh_mirrors/ng/ngx-bootstrap 点击查看 免费下载 ngx-bootstrap 是 Angular 生态中基于 Bootstrap 3/4 的 UI 组…...

阅读更多 →
老 Mac 装新系统指南：用 OpenCore Legacy Patcher 把 Big Sur 到 Sequoia 装回旧电脑
2026/10/12 1:38:19 网站建设

老 Mac 装新系统指南：用 OpenCore Legacy Patcher 把 Big Sur 到 Sequoia 装回旧电脑

老 Mac 装新系统指南&#xff1a;用 OpenCore Legacy Patcher 把 Big Sur 到 Sequoia 装回旧电脑 【免费下载链接】OpenCore-Legacy-Patcher Experience macOS just like before 项目地址: https://gitcode.com/GitHub_Trending/op/OpenCore-Legacy-Patcher 升级时系统直…...

阅读更多 →
Koharu 运行时同步技能解析：用编码 Agent SKILL 维护 llama.cpp 与 stable-diffusion.cpp 绑定
2026/10/12 1:36:37 网站建设

Koharu 运行时同步技能解析：用编码 Agent SKILL 维护 llama.cpp 与 stable-diffusion.cpp 绑定

【免费下载链接】koharu ML-powered manga translator, written in Rust. 项目地址&#xff1a; https://gitcode.com/gh_mirrors/ko/koharu 点击查看 免费下载 本文围绕 Koharu 仓库中面向编码 Agent 的 runtime 技能&#xff08;.agents/skills/runtime/SKILL.md&#xff09…...

阅读更多 →

需要专业的网站建设服务？

联系我们获取免费的网站建设咨询和方案报价，让我们帮助您实现业务目标

立即咨询