论文解读
模型解决的核心问题和目标
论文的核心问题是：当历史都城缺少完整平面图和可直接重建的三维资料时，如何把零散史料、图像细节与传统建筑—风水文化逻辑结合起来，生成一个既不脱离证据、又具有文化可解释性的空间方案。系统目标不是追求唯一真值，而是建立一条“证据输入—文化协调—可解释修复—可视化展示”的计算链路。
- 面对的是证据稀疏、来源异质、置信度不均衡的历史场景。
- 目标是让模型输出既能对照史料，又能解释传统营建秩序。
- 最终产物不是黑箱结果，而是可讲授、可展示、可复核的空间推断过程。
论文页 / 公式页 / 方法说明页
论文原始方法与公式
把模型到底做了什么讲到能看懂、能教学、能复述
这一页按问题定义、双图建模、规则优先级、能量最小化、最小编辑修复、训练目标、实验指标几个层次，把原始论文的技术核心完整拆开。页面里的公式直接来自论文源文件，并用 MathJax 渲染。
主目标：证据与文化冲突协调核心结构：证据图 + 先验图关键机制：规则优先级控制器结果输出：二维布局 + 2.5D 体量 + 修复展示
论文做的不是文化提示词，而是冲突求解
这篇论文真正解决的问题是：当历史证据说一种布局，传统建筑与风水文化又偏向另一种布局时，系统应该怎么办。它不是简单地把文化词汇塞进模型，而是把证据和先验拆成两张图，然后通过约束协调去求一个可解释、可行、且尽量不背离证据的解。
论文解读
创新优化了什么
方法上的关键创新在于把“汴京相关证据”与“建筑风水文化先验”分成两张图来建模：一张是证据图，用来承接文本、图像、考古和地图片段；另一张是先验图，用来表达中轴、门阈、围合、水体关系等规则。相比只做生成或只做规则匹配，这种双图结构更适合处理历史资料不完整、置信度不均衡的场景。
- 把证据约束与文化先验拆分建模，避免相互淹没。
- 引入规则优先级控制器，让不同场景自动决定哪些规则更关键。
- 通过最小编辑修复把“看似合理但不合礼序”的方案纠正成可展示状态。
论文解读
具体算法实现方法是什么
算法链条分成五步。第一步，把公开史料整理为结构化场景资料包；第二步，用提案网络根据证据生成初始布局；第三步，用规则优先级控制器判断每条文化规则在当前场景中的重要性；第四步，进入协调阶段，让几何约束、拓扑关系和文化规则共同作用；第五步，在证据预算约束下进行最小编辑修复，得到可展示的二维布局与 2.5D 体量结果。
- 提案网络负责给出对象存在性、关系初值、几何布局和体量先验。
- 协调阶段联合处理重叠、通达、前后序列、围合和水体关系等约束。
- 修复阶段保留证据预算，避免为了满足规则而过度篡改历史线索。
论文解读
实验是如何进行的
当前系统以六个公开来源数据包为核心演示集，覆盖院落住居、桥关水系和市街桥市三类场景。每个场景都经历“证据提案—约束协调—修复展示”三阶段评估，并输出证据一致性、文化一致性和规则满足率等指标。与此同时，系统还保留最小基线组，用于比较只看证据、统一先验和不做修复等不同方案的表现差异。
- 数据包全部保留来源链和标注依据，方便教学与复核。
- 评测同时关注证据一致性、文化一致性和规则满足率，不只看单一指标。
- 通过基线对比说明文化先验、规则协调和修复模块各自的实际贡献。
论文解读
核心结论和效果是什么
实验表明，仅依赖原始证据通常难以得到满足传统空间秩序的方案，而加入文化先验后，模型能够明显提升规则满足率和空间解释性。当前公开数据包的修复后平均规则满足率已经达到满分水平，说明系统在不放弃证据约束的前提下，能够把传统建筑与风水文化转化为可展示、可讲授、可比较的数字人文成果。
- 文化先验不是附加装饰，而是提升历史空间解释力的关键约束。
- 证据提案、约束协调和修复展示三阶段结果差异清晰，适合课堂示范。
- 系统既可面向学术表达，也可面向公众教育与数字展陈。
核心公式逐条解释
每条公式旁边都配上它在系统中的职责，避免观众只看到符号却不知道它在网页里对应什么。
核心公式
场景状态表示
$$ \mathbf{Z}=\{(b_i,c_i,a_i,x_i,r_i)\}_{i=1}^{N} $$
系统把每个历史场景表示成一组对象状态。这里的 $b_i$ 表示几何轮廓或平面 footprint，$c_i$ 是对象类别，$a_i$ 是属性，$x_i$ 是连续空间参数，$r_i$ 是与其他对象之间的语义关系。
核心公式
双图建模
$$ \mathcal{G}^{\mathrm{evid}}=(\mathcal{V}^{\mathrm{evid}},E^{\mathrm{evid}},\mathbf{u}^{\mathrm{evid}}),\qquad \mathcal{G}^{\mathrm{prior}}=(\mathcal{V}^{\mathrm{prior}},E^{\mathrm{prior}},\Pi) $$
论文不是把所有信息混成一锅，而是拆成证据图和先验图。证据图负责承接文本、图像、考古和平面线索；先验图负责承接建筑礼序、门阈递进、水体关系和空间围合等文化规则。
核心公式
证据图消息传递
$$ \mathbf{h}_i^{(\ell+1)}=\mathrm{GNN}^{(\ell)}\!\left(\mathbf{h}_i^{(\ell)},\{\mathbf{h}_j^{(\ell)},e_{ij}\}_{j\in\mathcal{N}(i)}\right) $$
这一步是 evidence-driven 的提案网络。它先在证据图上传播信息，估计对象是否存在、对象之间的大致关系以及初始布局变量。
核心公式
规则优先级控制器
$$ \alpha(c)=[\alpha_1(c),\ldots,\alpha_R(c)],\qquad \alpha_r(c)\in[0,1] $$
不同场景不能使用一套固定规则权重。控制器根据场景上下文 $c$ 输出每条规则的优先级。
核心公式
主能量函数
$$ \mathcal{E}(\mathbf{Z})=\lambda_{\mathrm{evidence}}E_{\mathrm{evidence}}(\mathbf{Z};\mathcal{G}^{\mathrm{evid}})+\sum_{r=1}^{R}\alpha_r(c)\,\phi_r(\mathbf{Z};\mathcal{G}^{\mathrm{prior}})+\gamma\,\Psi(\mathbf{Z},\mathbf{Z}^{(0)}) $$
第一项要求方案不要脱离证据；第二项表示不同文化规则按场景权重参与优化；第三项限制结果不要偏离初始提案太远。这就是“约束协调”的核心。
核心公式
硬约束集合
$$ h_j(\mathbf{Z})=0\ (j\in\mathcal{H}),\qquad g_k(\mathbf{Z})\le 0\ (k\in\mathcal{I}) $$
像非法重叠、不可达、围合错误、门阈顺序失真这类问题，会被作为硬约束处理。模型不是只会打分，而是必须进入可行解空间。
核心公式
最小编辑修复
$$ \mathbf{Z}^{\mathrm{repair}}=\arg\min_{\mathbf{Z}\in\Omega}\ C_{\mathrm{edit}}(\mathbf{Z},\hat{\mathbf{Z}})+\beta\sum_{r\in\mathcal{R}_{\mathrm{soft}}}w_r\,\phi_r(\mathbf{Z}),\qquad \Delta_{\mathrm{evidence}}(\mathbf{Z},\hat{\mathbf{Z}})\le \varepsilon $$
修复不是随便美化，而是在证据预算约束下做最小编辑。也就是说，只允许在不严重背离证据的前提下，对方案做最少量的结构调整。
核心公式
训练目标
$$ \mathcal{L}=\mathcal{L}_{\mathrm{node}}+\mathcal{L}_{\mathrm{edge}}+\mathcal{L}_{\mathrm{layout}}+\eta\,\mathcal{L}_{\mathrm{priority}}+\mu\,\mathcal{L}_{\mathrm{consistency}} $$
训练阶段同时学习节点、边、布局、规则优先级和一致性稳定性。系统不是只学画图，而是同时学“什么对象存在”“对象如何相连”“几何如何摆放”“什么规则更重要”。
评价指标为什么这样设计
如果只看像不像，模型会滑向主观美化；如果只看离证据近不近，模型又无法解释传统空间秩序。所以论文故意把证据一致性、文化一致性、规则满足率和编辑代价拆开。
证据一致性 EC
看结果离原始证据有多近。
EC 越高，说明几何位置和关系越接近证据驱动的参考状态。它不是审美分，而是“你有没有把证据改得太狠”的约束指标。
文化一致性 CC
看传统建筑与风水规则满足得有多好。
CC 汇总了规则库的满足情况。中轴、门阈、围合、水体、可达性等规则会按严重度和场景权重聚合成一个整体分数。
规则满足率 FR
看所有硬约束是否真正满足。
FR=1.0 表示所有 hard rules 都过关。它比 CC 更严格，因为只要有一个硬约束没有满足，就不能算完全可行。
编辑代价 Edit
看修复为了变得更合理，究竟改了多少。
Edit 越小越好。它可以帮助观众理解：修复并不是自由发挥，而是尽量少动、少改，在尊重证据前提下恢复文化逻辑。
统计图表
这个阶段指标图用于说明：随着从证据提案走向修复展示，系统是否真正提升了规则满足率和文化解释性，同时又没有完全抛弃证据。
读图方式：如果 CC 和 FR 随着阶段推进变高，而 EC 没有完全崩掉，说明系统实现了尽量保留证据，同时恢复空间秩序的目标。
指标之间的关系
EC、CC、FR 之间存在天然张力。一个完全贴证据的结果，不一定满足传统礼序；一个过度追求文化一致性的结果，又可能偏离史料。因此网页把它们并列展示，避免观众只看单一指标。
- EC 高：说明没有过度修改。
- CC 高：说明文化规则被更好满足。
- FR 高：说明硬约束全部过关。
- Edit 低：说明修复是克制的而非任意的。