Lens Studio中SnapML量化模型首次推理后结果静态异常求助

这个问题是量化TFLite模型导入Lens Studio时的高频问题，按以下优先级排查即可解决：

• 先校验量化模型本身的连续推理有效性
  不要先排查Lens Studio配置，本地先通过Python接口加载导出的.tflite文件，连续输入3张内容差异极大的测试图（比如轿车、卡车、非机动车），逐次打印输出的分类概率数组。如果本地连续推理时输出就固定不变，问题出在TFLite转换环节：
  转换时补充以下配置，避免量化过程错误折叠常量、残留有状态算子：

  converter = tf.lite.TFLiteConverter.from_keras_model(your_vehicle_cls_model)
  converter.optimizations = [tf.lite.Optimize.DEFAULT]
  # 强制展开大的常量块，避免量化后张量被错误标记为静态常量
  converter._experimental_unfold_large_splat_constant = True
  # 仅使用TFLite原生int8算子，避免自定义算子状态不兼容
  converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS_INT8]
  # 不要把输入归一化（如x/255.0）逻辑折进模型结构，预处理放在Lens Studio侧做
  tflite_quant_model = converter.convert()
  

  转换完成后必须再次本地循环推理验证，确认每次更换输入输出结果同步变化，再导入Lens Studio。
• 排查Lens Studio侧的推理调用逻辑
  如果本地模型推理正常，90%的问题出在脚本调用时机错误：
  不要把mlModel.run()推理调用绑定在OnStart初始化事件上，必须绑定在OnUpdate逐帧回调里，且每次推理时不能复用全局缓存的输入/输出张量对象，要重新获取张量句柄、写入当前帧数据：

  // 错误示例：仅初始化时跑一次推理，后续无更新
  function onStart() {
    mlModel.build().then(() => {
      const inputTensor = mlModel.getInput(0);
      inputTensor.loadData(cameraTexture);
      mlModel.run();
    })
  }
  
  // 正确示例：每帧刷新输入、执行推理、读取结果
  function onUpdate() {
    if (!mlModel.isReady()) return;
    // 每次推理重新获取输入张量，不要缓存全局引用
    const inputTensor = mlModel.getInput(0);
    // 绑定实时相机纹理，不要用静态资源纹理
    inputTensor.loadData(Camera.mainTexture, InputTransform.Fast);
    mlModel.run().then(outputTensor => {
      const classProbs = outputTensor.data;
      // 基于新的概率值更新UI展示
      renderClassificationResult(classProbs);
    })
  }
  

• 核对输入资源的配置
  即使调用逻辑正确，输入资源配置错误也会导致输入数据不更新：
  • 确认ML组件绑定的输入源是实时相机输出纹理，不是导入的静态图片资源
  • 选中输入纹理资源，在属性面板勾选Dynamic（动态纹理）选项，强制引擎每帧刷新纹理数据
  • 输入归一化参数和模型训练时保持一致，不要在模型侧和Lens Studio侧重复做归一化

快速定位问题节点：导入模型后打开Lens Studio的ML组件预览面板，手动切换不同的测试输入图，如果预览面板的输出概率会随输入变化，说明模型本身没问题，故障点在脚本调用逻辑；如果预览面板的输出固定不动，直接回到TFLite转换环节重新导出模型。

内容的提问来源于stack exchange，提问作者Centauri_42