Drop redundant artifacts and correct stale archive notes

artifacts/README.md

@@ -7,8 +7,7 @@
 | `experiments/baseline/fixed/SV100-*/` | 9 次固定相机训练的配置、指标、数据解析变换和元数据 |
 | `experiments/pose_optimization/{naive,camp}/SV100-*/` | 18 次无 warm-up 训练的配置、指标、优化位姿、预条件诊断和完成标记 |
 | `experiments/warmup/{naive,camp}/SV100-*/` | 18 次 warm-up 训练的同类资料 |
-| `experiments/alignment_full/<方法>/SV100-GT/` | GT 条件五种设置的完整对齐评估变换 |
-| `experiments/alignment_preview/<方法>/SV100-GT/` | GT 条件五种设置的预览对齐评估变换 |
+| `experiments/alignment_full/<方法>/SV100-GT/` | GT 条件五种设置的对齐评估变换 |
 | `analysis/<实验类别>/` | 汇总表、分析报告、对比图；`pose_audit/` 保存 36 组位姿审计的汇总与变换集合 |
 | `records/<实验类别>/` | 批次级状态、manifest 和环境记录 |
 | `analysis/training_curves/` | 45 次训练的精简 TensorBoard 标量（训练 loss、eval PSNR、相机学习率）与 36 份位姿诊断 `diagnostics/*.jsonl` |
@@ -21,11 +20,10 @@
 
 | 内容 | 入口 |
 |---|---|
-| 固定相机基线 | [9 条件汇总](analysis/baseline/SV100_full_summary.csv)、[平移对照](analysis/baseline/SV100_translation_sweep.csv)、[旋转对照](analysis/baseline/SV100_rotation_sweep.csv) |
+| 固定相机基线 | [9 条件汇总](analysis/baseline/SV100_full_summary.csv) |
 | 首轮三方法比较 | [27 行汇总](analysis/pose_optimization/summary.csv) |
 | Warm-up 配对比较 | [汇总](analysis/warmup/summary.csv)、[配对差值](analysis/warmup/paired_metrics.csv)、[统计](analysis/warmup/aggregate_metrics.json)、[阶段报告](analysis/warmup/report.md) |
 | GT 完整对齐评估 | [汇总](analysis/alignment_full/summary.csv)、[报告](analysis/alignment_full/report.md)、[结论](analysis/alignment_full/findings.md) |
-| GT 预览对齐评估 | [汇总](analysis/alignment_preview/summary.csv)、[报告](analysis/alignment_preview/report.md)、[结论](analysis/alignment_preview/findings.md) |
 | 全条件位姿审计 | [36 组汇总](analysis/pose_audit/summary.csv)、[变换集合](analysis/pose_audit/transforms.json) |
 
 ## 配置与图片入口
@@ -35,8 +33,7 @@
 | Naive GT 配置对照 | [无 warm-up](experiments/pose_optimization/naive/SV100-GT/config.yml)、[有 warm-up](experiments/warmup/naive/SV100-GT/config.yml) |
 | 优化位姿示例 | [Naive GT + warm-up](experiments/warmup/naive/SV100-GT/optimized_poses.json) |
 | Warm-up 对比图 | [重建指标](analysis/warmup/quality_comparison.png)、[早期漂移](analysis/warmup/gt_early_pose_drift.png) |
-| 对齐指标图 | [完整评估](analysis/alignment_full/metrics_comparison.png)、[低分辨率预览](analysis/alignment_preview/metrics_comparison.png) |
-| 对齐前后预览 | [视角 0](analysis/alignment_preview/comparison_000.png)、[视角 50](analysis/alignment_preview/comparison_050.png)、[视角 100](analysis/alignment_preview/comparison_100.png) |
+| 对齐指标图 | [完整评估](analysis/alignment_full/metrics_comparison.png) |
 
 ## 展示素材
 
@@ -46,8 +43,10 @@ README 中的渲染图和视频由服务器在同一批 checkpoint 上推理生
 
 在仓库根目录运行 `uv run python scripts/analysis/analyze_warmup_results.py`，可从归档 CSV 重新计算配对统计，默认输出到 `results/published_analysis/`。加 `--plots` 可重画质量对比图，加 `--diagnostics` 可用 `analysis/training_curves/diagnostics/` 中归档的 GT 轨迹重画早期漂移图，两者都需要 NumPy 和 Matplotlib。
 
-发布档案不含原始数据、checkpoint、TensorBoard、原始渲染数组或完整训练日志。重新渲染需要原模型和数据，7 个最终 checkpoint 见 [v1.0.0 Release](https://github.com/chu-jiaming/PoseGuard-NeRF/releases/tag/v1.0.0)。完整评估使用 200 张 800×800 图，预览使用 20 张 200×200 图，两者的指标应分开比较。
+发布档案不含原始数据、checkpoint、TensorBoard event 文件、原始渲染数组或完整训练日志；TensorBoard 标量只保留了精简后的 `analysis/training_curves/tb_scalars.csv`。重新渲染需要原模型和数据，7 个最终 checkpoint 见 [v1.0.0 Release](https://github.com/chu-jiaming/PoseGuard-NeRF/releases/tag/v1.0.0)。对齐评估使用全部 200 张 800×800 测试图。
 
 Warm-up 阶段报告早于对齐诊断，其中 GT 对齐的后续工作已完成，多种子实验未执行；后续对齐解释见对应 findings。
 
-`records/`、配置及完成标记中的服务器绝对路径属于历史来源信息，不能在新机器直接用于恢复。所有现存记录均保留，目录整理没有重新训练或重新计算图像指标。通过 Git status 和 Git diff 查看档案变更。
+`records/showcase/DELIVERY_REPORT.md` 是服务器交付报告原文：其中“CSV标签行数”统计的是服务器上的完整标量 CSV，不是仓库里的精简版；提到的 `gates/`、`archive_receipt.json` 只在服务器交付包中。
+
+`records/`、配置及完成标记中的服务器绝对路径属于历史来源信息，不能在新机器直接用于恢复。档案中的指标均来自原始评估，整理时没有重新训练或重新计算。

artifacts/analysis/warmup/report.md

@@ -1,5 +1,7 @@
 # Warm-up 配对实验分析
 
+> 状态说明：本报告写于对齐诊断之前，下面的数字仍然有效。文中“Sim(3) 对齐没有作用于渲染评估”和“下一步”第 2 条已过时：GT 条件的对齐渲染评估已完成，见 [对齐结论](../alignment_full/findings.md)；多种子（第 3 条）与 delay 对照（第 4 条）未执行。
+
 范围：Lego 单场景、SV100 九种扰动条件、seed 42、每组 30,000 步。18/18 个实验成功。
 已核对两轮 manifest：数据、固定相机基线、环境一致，仅代码指纹不同。18 对保存配置仅 warmup_steps（0→2500）及输出路径不同。