核心观察
-
01
CopyCat 适合单镜头或高度相似镜头的定向学习，BigCat 更适合几十到上百张图像的泛化训练观察。
-
02
BigCat 官方文档强调数据增强、验证数据集、验证 loss 和自定义 loss，这比只看单帧效果更接近真实生产检查。
-
03
CatFileCreator 可以把符合要求的 TorchScript .pt 模型转换成 Inference 可读的 .cat 文件；Cattery 则提供可在 Nuke 中运行的第三方机器学习模型库。
-
04
Nuke 17.0 原生支持导入、查看、操作、渲染和导出 Gaussian Splats，为环境延展、matte painting 和元素整合带来新的测试方向。
对 Nuke AIR 的意义
Nuke AIR 的方向仍然不是泛泛生成图像，而是在 Nuke 内围绕输入、Ground Truth、验证帧和 Inference 节点建立可复查的镜头级机器学习流程。
BigCat 把 CopyCat 的思路扩展到更大的数据规模，适合观察垃圾遮罩、Beauty 修复、去模糊、局部效果复制等任务是否能跨镜头或跨帧段稳定泛化。
对 3D 与合成的意义
Gaussian Splats、USD 25.08、新 3D 系统、MaterialX、光照和 AOV 控制说明 Nuke 仍在加强 3D 数据进入合成的能力。
后续实验会优先检查 Splats 或新型 3D 资产进入 Nuke 后的遮挡、深度、运动模糊、色彩管理和渲染输出，而不是只展示视口截图。