这一页把同主题实验收在一起展示。排序仍然按秒级时间戳倒序，星标和筛选逻辑与首页一致。
把高配置 `100 steps + 768 grid` 应用到 4 个更接近训练分布的 appliance-like 输入上。结果显示并不是所有家电都会更稳：`dishwasher=2`、`microwave=3`、`storagefurniture=3`，但 `refrigerator` 会过分裂到 `26` 个 parts。
在 `GRScenes` 两个 bridge 样例上继续把配置翻倍到 `100 steps + 768 grid`。结果显示 part 数没有继续增加，但 mesh 精细度和文件体量明显上升，可直接和 `50/384` 正式页对照。
不再使用 smoke 配置，而是按正式设置 `50 steps + 384 grid` 重跑 `GRScenes` 的 `left_hand` 与 `table_white_big`。结果显示 part 数明显收敛：`left_hand=7`，`table_white_big=2`。
使用 ModelScope 下载的 `GRScenes` 物体 USD 资产，先渲染成 RGBA 图，再送入官方 PartPacker flow 主链。当前已在 `left_hand` 与 `table_white_big` 两个对象上真实跑通。
使用我们自己的 `/data` 渲染图，在不增加任何额外分割先验的条件下直接跑 PartPacker flow 主链。五类 appliance-like 样例均成功导出整物体与多个 part-level GLB。
按统一配置批量跑完官方 `assets/images` 的 9 张单图输入，完整导出了整物体、dual volumes 与 part-level GLB，可作为 PartPacker 在 `trellis2` 环境里的正式官方样例基线。
在现有 `trellis2` conda 环境里完成了 `PartPacker` 官方 CLI 推理复现。补装少量缺失依赖并下载官方 `flow.pt / vae.pt` 后，成功跑通 `flow/scripts/infer.py` 和 `vae/scripts/infer.py`。代表结果包括一个低步数 barrel smoke、一个更接近正式配置的 teapot 单样例，以及一个 VAE reconstruction smoke。