用途：对神经重建（NRE、NuRec、3DGS、NeRF 等）渲染出的图像帧运行 NVIDIA DiffusionHarmonizer，进行增强、协调、评估或微调。它是单步、时序感知的图像扩散增强器，可提升真实感、减少重建伪影，并让插入的动态物体与场景在颜色、光照和阴影上更协调。
主要能力：支持离线（清理伪训练视图并蒸馏回 3D 表示）与在线（推理/仿真中逐帧增强）两种模式；提供推理、评估（PSNR/LPIPS）与训练/微调脚本。公开模型为 DiffusionHarmonizer-cosmos-0.6B，基于 Cosmos Predict2 Diffusion Transformer，输入输出分辨率 576x1024。
使用方式：需 Linux、Ampere 及以上 NVIDIA GPU、Docker 与 NVIDIA Container Toolkit、git、python3、Hugging Face CLI，以及已接受许可的 HF_TOKEN（可选 NGC_API_KEY）。先运行 scripts/validate_setup.py 校验环境，再克隆 https://github.com/NVIDIA/harmonizer 并构建镜像：docker build -t harmonizer-cosmos-env -f Dockerfile.cosmos .；随后 ./download_checkpoints.sh 下载检查点。推理入口为 src/inference_pix2pix_turbo_harmonizer.py，需在 /work/src 内运行；输出写入 <input_dir>_<model_identifier>。评估入口 src/evaluate_test_dataset.py，训练入口 src/train_pix2pix_turbo_harmonizer.py。
适用场景：已有磁盘上的渲染帧需要后处理；需要公开代码、模型卡、训练/评估脚本；需要微调。若只想在 NRE 渲染中内联增强，应使用 nre --enable-difix（属 nre 技能）；训练或渲染 3D 重建本身用 nre，原始传感器转 NCore V4 用 ncore。
限制：仅面向神经重建渲染与物体插入伪影，不适合任意真实照片；主分辨率为 576x1024，仅支持 1024、960、1360 分辨率键；时序推理依赖文件名自然排序，建议零填充命名，无序图像需加 --nontemporal；容器与权重等可能超过 100 GB；训练默认多 GPU（README 假设 8 卡 bf16）。