ConverSeg DataEngine · Pipeline Explorer
一次完整跑图，中间到底发生了什么
输入图 / 全区域叠加
accepted region
point / mask
bbox
这 486 秒里发生了什么
Before / after
为什么之前是 0 accepted
smoke_r3 · 早先的失败跑
0 accepted
3 regions all rejected · 7 calls · 98.5s
Dense caption 读到了 table / bowl / chair，但 SAM2 切出来的 mask 落在地板、地垫、桌脚上；Gemini 三条全部判 false，所以 concept prompt 阶段被跳过，导出为空。
smoke_r5c · 当前完整跑
4 accepted
5 regions · 9 prompts · 29 calls · 485.9s
5 个区域里 4 个通过，基于 accepted regions 生成 5 类共 9 条 prompt，9/9 全部 ACCEPT。剩下的成本是 429 退避和 GPT fallback，不是 SAM2 或 GPU。
Pipeline stages
宽度 = 该阶段耗时 / 最慢阶段
Accepted regions
Generated prompts
时间花在哪
按 backend 调用类型
429 / fallback
Hub Router 实际压力
最终 4/4 accepted、9/9 prompts accepted：链路是通的。当前主要成本是 429 退避和 fallback，不是 SAM2 或 GPU。
结论 / 下一步
给 infra 优化用
- SAM2 不是瓶颈：分割 + mask pool 约 18.7s，真正贵的是 VLM 调用（395.6s）。
- 429 是主要成本：64 次退避、7 次 fallback；Gemini 3.8 的 upstream 配额还没稳定，单图被拖到 486s。
- pick_better + prompt_verify 最贵：82.8s + 108.3s，占 VLM 时间的一半；优先批量化/跳过。
- 并发已开 16，但 429 退避会吃掉并发；需要更高配额或更稳的 fallback 策略。
- 下一步：把 9 个 prompt verify 合并成 1 次批量请求；pick_better 只在 initial/refined 不同时调用；Gemini 429 时直接切 GPT-6.1 做简单验证。