不看屏幕，也能 批量拍照
离屏渲染直接在 GPU 内存完成图像生成
CH.09 / NOTES
把虚拟世界变成 数据工厂
具身智能 · 第九章
不经过显示器，GPU 在后台沿轨迹连续“拍照”，把场景、位姿与标注组装成可训练的数据包。
离屏 ≠ 离线：这是 两个维度
离屏只说明图像不直接送显示器
少做重复计算，把 GPU 用在 信息增量
用 3–5° 帧间隔减少近似帧
一张图要可训练，必须知道 从哪看见
帧 ID 把 RGB、深度、相机位姿和对象标注绑定成一…
同一条轨迹，生成十个 不同世界
域随机化改变光照、纹理与物体状态
UNIT 01 / MEETING NOTES
小节一 · 不看屏幕
先围绕“不看屏幕，也能 批量拍照”建立问题，再逐页核对本小节的机制与证据。
01 // OFF-SCREEN
不看屏幕，也能批量拍照
离屏渲染直接在 GPU 内存完成图像生成，并把结果写入内存或磁盘。
02 // PIPELINE
五个阶段，把 3D 变成训练样本
先准备场景与相机，再由 GPU 计算，最后把图像和元数据一起组装导出。
03 // TWO AXES
离屏 ≠ 离线：这是两个维度
离屏只说明图像不直接送显示器；是否实时、画质高低仍由任务时限和渲染配置决定。
UNIT 02 / MEETING NOTES
小节二 · 关键帧定轨迹
先围绕“关键帧定轨迹”建立问题，再逐页核对本小节的机制与证据。
04 // POSE SAMPLING
关键帧定轨迹，采样帧才触发渲染
关键帧定义轨迹形状与相机姿态；系统按采样间隔取得位姿，每个采样位姿生成一帧。
05 // PERFORMANCE
少做重复计算，把 GPU 用在信息增量
用 3–5° 帧间隔减少近似帧，再用并行与增量渲染提升吞吐。
06 // OUTPUT STRUCTURE
训练数据不是散图，而是一棵文件树
完整样本同时保存图像、深度或分割结果，以及位姿、标注和渲染配置。
UNIT 03 / MEETING NOTES
小节三 · 一张图要可训练
先围绕“一张图要可训练”建立问题，再逐页核对本小节的机制与证据。
07 // METADATA
一张图要可训练，必须知道从哪看见
帧 ID 把 RGB、深度、相机位姿和对象标注绑定成一个可用训练样本。
08 // QUALITY STRATEGY
九成求量，一成求关键质量
混合策略用 90% 快速数据保数量，用 10% 关键帧精渲染保质量。
09 // DOMAIN RANDOMIZATION
同一条轨迹，生成十个不同世界
域随机化改变光照、纹理与物体状态，让模型提前见过真实环境中的变化。
RECAP // CHAPTER 09
轨迹输入，数据包 输出
不看屏幕，也能 批量拍照
离屏渲染直接在 GPU 内存完成图像生成
离屏 ≠ 离线：这是 两个维度
离屏只说明图像不直接送显示器
少做重复计算，把 GPU 用在 信息增量
用 3–5° 帧间隔减少近似帧
一张图要可训练，必须知道 从哪看见
帧 ID 把 RGB、深度、相机位姿和对象标注绑定成一…
同一条轨迹，生成十个 不同世界
域随机化改变光照、纹理与物体状态
离屏渲染把轨迹转换为带位姿和标注的数据集，是训练管线的产能引擎。
SOURCE QUIZ // 10 MCQ
单选题 · 10题
第 1 / 10 题原讲义题库
得分 0 / 10
SOURCE PRACTICE 01
实操一 · 完整离屏渲染
完成一次完整的离屏渲染
任务要求
- 登录教学实训平台，进入模块 B
- 加载一个已搭建的 USD 场景（如仓储场景或工厂场景）
- 选择一条相机轨迹（如环绕轨迹）
- 配置渲染参数：分辨率 1280×720，标准模式，4x MSAA，输出 RGB + 深度图
- 启动渲染，等待完成
- 浏览渲染结果，检查是否有异常帧
提交要求
- 提交渲染结果中任意 3 帧的 RGB 图像（选择不同角度）
- 提交一张渲染结果浏览界面的截图
- 提交 render_config.json 文件
评分标准：
- 渲染参数配置正确（30%）
- 输出文件完整（RGB + 深度图 + 位姿 + 标注）（30%）
- 图像质量合格（无全黑/模糊/物体缺失）（40%）
SOURCE PRACTICE 02
实操二 · 域随机化实验
域随机化渲染实验
任务要求
- 在模块 B 中启用域随机化
- 配置 3 轮随机化（光照位置随机 + 纹理随机）
- 启动域随机化渲染
- 对比 3 轮渲染结果中同一帧（如 frame_000030）的差异
提交要求
- 提交 3 轮渲染中同一帧的对比截图（拼成一张图）
- 写一段 100-150 字的分析，说明：
- 三轮渲染结果的主要差异是什么？
- 域随机化对训练模型有什么帮助？
- 如果让你调参，你会增加或减少哪些随机化？
评分标准：
- 域随机化正确配置并执行（30%）
- 对比分析准确，能指出具体差异（40%）
- 对域随机化价值的理解到位（30%）