# 關係幾何與載體展開 IV：多觀察者的三維反演、摺線可辨識性與有效關係維度

**英文題名：** Relational Geometry and Carrier Unfolding IV: Calibrated Multi-Observer Reconstruction, Crease Identifiability, and Observation-Dependent Relational Dimension  
**研究系列：** RGC — Relational Geometry and Carrier Unfolding  
**版本：** P04 / v1.0.0  
**日期：** 2026-11-03  
**研究狀態：** 理想已校準正交觀察模型的解析定理、精確符號驗證與可重現數值模擬。**未進行實體攝影或材料試驗**。  
**Canonical source：** 本 UTF-8 Markdown 為正式原稿，所有數學原始碼只使用 ` $...$ ` 與 `$$...$$` 作為 LaTeX 分隔符。

---

**作者：** Neo.K  
**機構：** EveMissLab／一言諾科技有限公司  

## 摘要

P01 提供三條來源直線段經分片仿射載體映射形成正方形的明確構造；P02 建立關係算子的有效譜維度及不可辨識反例；P03 進一步在單條摺線、兩片局部等距的理想剛性折片上，構造其正交投影精確形成正方形的三維實例。然而，單一觀測畫面能否恢復載體的真正形狀，與觀測畫面能否呈現正方形，並非同一問題。

本文在**已知且位於同一世界座標系的兩個校準正交觀察者、四個可靠對應特徵點、已知載體關聯圖**等明確前提下，證明只要兩個觀察方向不平行，三維的四個折片特徵點便可唯一線性反演，進而恢復單條摺線的位置、局部面法向量與摺角。本文同時證明單一正交觀察者存在鏡射歧義，並導出雙視角反演的確切條件數及高斯測量誤差擴張公式。以 P03 的精確折片為範例，第一觀察者對兩片折面的有效譜維度均測得 $9/7$ ；第二觀察者則分別得到 $1+1/\sqrt5$ 及 $1+2/\sqrt5$，但經兩視角反演後恢復的**內稟幾何維度均仍是 $2$**。

研究由此建立三個可直接測試的層次：**載體幾何的真實約束、觀察算子產生的局部譜、以及多觀察資料是否足以辨識載體**。本篇不主張非整數傳統歐氏空間軸的存在，亦不宣稱 $1.7D$ 、 $1.8D$ 是三線成方的普遍臨界值。

**關鍵詞：** 關係幾何、載體展開、三線成方、多觀察者、正交相機、三維重建、可識別性、單摺線剛性折疊、譜參與比、觀測秩、穩定性。

## 1. 研究問題與承接

本系列的最初問題是：若只畫三條真正的來源直線段，能否利用特殊幾何載體讓其觀察像形成正方形？P03 已建立一個理想剛性模型的肯定答案。本文將焦點轉向反向問題：

> **在不事先告訴觀察者三維頂點高度、面法向及摺角的情況下，觀測到的幾何是否足以唯一反推出材料的三維形狀與關係算子？**

這裡刻意把「存在性」與「可辨識性」分開。將圖形投影成正方形，不等於已從正方形恢復三維載體；從多張圖片恢復四個點，也不等於對任意曲面或未校準觀測都能恢復連續幾何。

### 1.1 三種互不等同的維度

1. **傳統座標／內稟維度：** 原始薄片與折片的內稟維度為 $2$ ；外部嵌入空間為 $\mathbb R^3$。
2. **局部有效關係維度：** 由指定觀察映射的度量相容關係算子構造的譜參與比，取值可位於 $[1,2]$，不是新增「部分座標軸」。
3. **觀測可辨識秩：** 由不同觀察者組成的量測矩陣秩與奇異值，決定可否恢復未知三維座標、以及測量噪音如何放大。

我們的實驗不使用「維度數值」取代幾何的定義，而先固定合法載體模型與量測條件，最後才計算其關係指標。

## 2. P03 來源模型與未知量

來源為右等腰三角薄片

$$
T=\{(x,y)\in\mathbb R^2:0\le y\le x\le1\},
$$

來源頂點與摺線端點為

$$
A=(0,0),\quad B=(1,0),\quad C=(1,1),\quad M=(1/2,1/2).
$$

三條真正的來源筆畫為 $AB$ 、 $BC$ 、 $CA$。內部摺線是 $BM$，不是額外一筆邊界墨跡。兩個剛性面分別是 $\triangle ABM$ 與 $\triangle BMC$。令 $\Phi:T\to\mathbb R^3$ 為分片剛性、連續的折疊嵌入，四個三維頂點寫為 $X_A,X_B,X_C,X_M$。

**P04 反演時的限制與未知量：**

- 未知量：四個三維點的座標、局部法向量、摺角、以及摺線端點沿來源邊 $AC$ 的位置參數 $t$ ；測試樣本的真值來自 P03，但反演器不直接讀取真值。
- 已知量：至少兩個觀察者的正交相機矩陣及其影像平移；每個觀察者與同一個世界座標系對齊，影像尺度已校準。
- 已知資料關係：每個視角裡能辨識對應的 $A,B,C,M$ 四個點；且已知來源是兩片在 $BM$ 共邊的剛性三角面， $M$ 在來源的 $AC$ 邊上。
- 無噪音定理先假設理想點測量；噪音模型在第 6 節另外加入。

這些是**定理的前提**，不是透過算法自動獲得的能力。真實相機中的遮擋、特徵誤配、未知焦距、未知姿態與材料厚度必須另行處理。

### 2.1 精確驗證樣本（只供產生模擬觀測）

P03 給出的三維樣本為

$$
u=\frac{3-\sqrt5}{4},\qquad s=\sqrt u,\qquad a=\sqrt{1-u},\qquad b=\sqrt{\frac12-2u},
$$

$$
X_A=(0,0,a),\quad
X_B=(s,0,0),\quad
X_C=(s,s,a),\quad
X_M=(0,s,b).
$$

第一觀察者使用 $P_{xy}(X,Y,Z)=(X,Y)$ 時，四點呈現邊長 $s$ 的精確正方形。本文把這個構造當成**保留真值的基準資料集**，用它檢查反演器是否在不直接存取真值的情況下求回原三維構造。

## 3. 多觀察模型與主定理

### 定義 3.1（已校準正交觀察者）

第 $i$ 個觀察者的正交量測為

$$
y_i=P_iX+b_i+\varepsilon_i,
$$

其中 $X\in\mathbb R^3$， $P_i\in\mathbb R^{2\times3}$ 的兩列為單位正交向量， $b_i\in\mathbb R^2$ 已知， $\varepsilon_i$ 是測量誤差。令 $n_i\in\mathbb R^3$ 是相機的單位觀察軸，則

$$
P_i^{\mathsf T}P_i=I_3-n_in_i^{\mathsf T}.
$$

對兩名觀察者將平移校正後的四個測量值堆疊：

$$
\mathcal P=\begin{pmatrix}P_1\\P_2\end{pmatrix}\in\mathbb R^{4\times3},\qquad
z=\begin{pmatrix}y_1-b_1\\y_2-b_2\end{pmatrix}=\mathcal PX+\varepsilon.
$$

### 定理 3.2（兩個非平行正交視角的唯一點反演）

對同一個三維點 $X$，若兩個已校準觀察者的觀察方向不平行，即 $n_1\ne\pm n_2$，則 $\mathcal P$ 有秩 $3$，無噪音時 $X$ 可唯一恢復：

$$
X=(\mathcal P^{\mathsf T}\mathcal P)^{-1}\mathcal P^{\mathsf T}z.
$$

**證明。** 正交投影的核為 $\ker P_i=\operatorname{span}(n_i)$。若 $n_1\ne\pm n_2$，則兩條直線核的交集是零向量：

$$
\ker\mathcal P=\ker P_1\cap\ker P_2=\{0\}.
$$

故 $\mathcal P$ 的列秩為 $3$， $\mathcal P^{\mathsf T}\mathcal P$ 可逆。上述左逆對任意三維點皆成立。證畢。

**重要限定：** 兩名觀察者已知的是矩陣、尺度、姿態和同點對應。若只有兩幅無標記圖片而不存在這些資訊，定理不能直接應用。本結果也是既有已校準仿射／正交三角測量線性代數的特例，**不是宣稱首次發明雙視角三維重建**。

### 推論 3.3（分片仿射折片的完整幾何反演）

若四個帶標記頂點 $A,B,C,M$ 在兩個視角中皆可對應，且已知兩片的來源三角形座標及組合關係，則定理 3.2 可恢復 $X_A,X_B,X_C,X_M$。由每個三角面三個非共線點，得其唯一分片仿射映射及三維雅可比 $J_-,J_+$ ；再計算法向量、共同邊 $X_BX_M$ 及兩片法向量夾角。**這一結論只適用於已知是兩片平面剛體的有限維模型**，不推出任意曲面上所有內部幾何細節都被四點決定。

**證明。** 對每個面，以來源邊向量為列組成可逆 $2\times2$ 矩陣 $S_f$，以恢復後的三維邊向量為列組成 $3\times2$ 矩陣 $W_f$，則

$$
J_f=W_fS_f^{-1}.
$$

兩個恢復的三維面法向量可取

$$
n_-\propto(X_B-X_A)\times(X_M-X_A),
$$

$$
n_+\propto(X_C-X_B)\times(X_M-X_B).
$$

因此兩面夾角由 $\arccos(\widehat n_-\cdot\widehat n_+)$ 決定，邊 $X_BX_M$ 決定摺軸。來源關聯圖已知且面非退化，所列量全部確定。證畢。

### 命題 3.4（來源摺線位置之反算）

將原來的來源摺線端點放寬為 $M=(t,t)$，其中 $0<t<1$ ；若薄片在兩片內嚴格等距，且 $M$ 在來源直邊 $AC$ 上，則兩個視角恢復三維點後可直接求得

$$
t=\frac{\lVert X_M-X_A\rVert}{\lVert X_M-X_A\rVert+\lVert X_C-X_M\rVert}.
$$

這裡不需要預先指定 $t=1/2$。理由是來源長度 $|AM|=\sqrt2t$ 、 $|MC|=\sqrt2(1-t)$，而兩段都位於各自剛性三角面內，其三維直段長度保持不變。只要正確辨識對應點，便能反推出 $t$。P03 真值給出 $t=1/2$。若材料會伸縮、摺線彎曲，或 $M$ 不在來源的 $AC$ 上，此公式不再保證成立。

## 4. 單觀察者的不可辨識性

### 命題 4.1（單一正交視角具有深度鏡射歧義）

對任一非平面折片 $\Phi$，若觀察者為 $P_{xy}$，則把整個三維折片沿影像平面鏡射的映射

$$
H(X,Y,Z)=(X,Y,-Z)
$$

會保持所有 $P_{xy}$ 影像資料不變：

$$
P_{xy}H\Phi=P_{xy}\Phi.
$$

但是在固定的世界座標系裡， $\Phi$ 和 $H\Phi$ 的深度與帶方向的法向資訊不同。當第二觀察者為 $P_{xz}$ 且有非零深度資訊時，這兩種候選可被區分。

**證明。** 因 $P_{xy}H=P_{xy}$，故兩者的第一視角影像相同；若存在 $Z\ne0$ 的可見對應點，則 $P_{xz}H(X,Y,Z)=(X,-Z)$ 與 $P_{xz}(X,Y,Z)=(X,Z)$ 不同。證畢。

這裡區分的是**在已固定且帶向的世界座標與相機座標下的兩個嵌入**。若另外允許整體鏡射作為等價關係，則兩者應視為同一等價類，不能再以此宣稱該等價類仍有二重歧義。若來源幾何、折疊模式等先驗限制足夠強，單一視角可能已只剩有限離散候選；本命題不宣稱所有單視角模型都有連續無窮多歧義。

### 4.2 關聯圖資訊不能憑空省略

從四個三維點恢復兩個三角面，仍需知道哪些點相接、哪條邊是摺線。P04 使用 P03 的來源關聯圖： $ABM$ 與 $BMC$，共享 $BM$。若這項先驗取消，僅知道四點位置不一定能識別材料的內部連接方式；也不能直接把「唯一頂點重建」誤寫成「未知拓撲的唯一重建」。

## 5. 觀察者幾何與穩定性定理

在有噪音時，反演是否穩定取決於 $\mathcal P$ 最小奇異值。令

$$
c=|n_1\cdot n_2|,\qquad 0\le c<1.
$$

### 定理 5.1（雙視角條件數與誤差上界）

上述兩個正交相機的聯合正規矩陣 $Q=\mathcal P^{\mathsf T}\mathcal P$ 的三個本徵值恰為

$$
\operatorname{spec}(Q)=\{2,\ 1+c,\ 1-c\}.
$$

因此

$$
\sigma_{\min}(\mathcal P)=\sqrt{1-c},\qquad
\kappa_2(\mathcal P)=\sqrt{\frac{2}{1-c}}.
$$

任意測量擾動 $\varepsilon$ 下，最小平方反演的誤差滿足

$$
\lVert\widehat X-X\rVert_2
\le\frac{\lVert\varepsilon\rVert_2}{\sqrt{1-c}}.
$$

**證明。** 由 $P_i^{\mathsf T}P_i=I-n_in_i^{\mathsf T}$，

$$
Q=2I-n_1n_1^{\mathsf T}-n_2n_2^{\mathsf T}.
$$

在兩觀察軸張成的平面內，矩陣 $n_1n_1^{\mathsf T}+n_2n_2^{\mathsf T}$ 的非零本徵值為 $1+c$ 、 $1-c$ ；沿著垂直於兩軸的方向，本徵值為零。故 $Q$ 的本徵值為 $1-c$ 、 $1+c$ 、 $2$。其平方根為 $\mathcal P$ 的奇異值；用最小平方左逆 $\mathcal P^+$ 的算子範數 $1/\sigma_{\min}$ 即得誤差上界。證畢。

**意義：** 兩視角不平行保證理論可辨識，卻不保證數值好算。當兩觀察軸幾乎平行時， $c\to1$，最小奇異值趨零，噪音放大可任意嚴重。這是幾何觀測條件，而不是材料的維度降低。

### 定理 5.2（獨立同方差高斯量測的均方誤差）

若四個測量座標的噪音獨立且各服從 $N(0,\sigma^2)$，且無模型與校準偏差，則對每個三維點的最小平方估計有

$$
\operatorname{Cov}(\widehat X-X)=\sigma^2Q^{-1},
$$

$$
\mathbb E\lVert\widehat X-X\rVert_2^2
=\sigma^2\left(\frac12+\frac{2}{1-c^2}\right).
$$

**證明。** $\widehat X-X=Q^{-1}\mathcal P^{\mathsf T}\varepsilon$，因此其協方差是 $\sigma^2Q^{-1}$。均方三維歐氏誤差為協方差的跡，利用定理 5.1 的三個本徵值直接求和：

$$
\operatorname{tr}(Q^{-1})
=\frac12+\frac1{1+c}+\frac1{1-c}
=\frac12+\frac2{1-c^2}.
$$

證畢。這是統計**模型推導值**，不是現場設備的測量數據。

## 6. 可重現計算實驗

### 6.1 相機設定

先令第一相機觀看 $XY$ 平面。第二相機在 $YZ$ 平面內旋轉觀察方向，兩列投影向量定為

$$
P_1=\begin{pmatrix}1&0&0\\0&1&0\end{pmatrix},\qquad
P_2(\theta)=\begin{pmatrix}1&0&0\\0&\cos\theta&\sin\theta\end{pmatrix}.
$$

當 $\theta=90^\circ$ 時，第二相機就是 $XZ$ 投影；這時三維點可以由兩幅影像中的 $X,Y,Z$ 直接恢復，並使用最小平方平均兩個重複的 $X$ 讀值。若 $\theta\to0$，兩視角趨近相同，深度恢復逐漸不穩定。

### 6.2 P03 精確樣本的反演結果

在 Python 的浮點計算中，對 $A,B,C,M$ 的反演最大三維頂點誤差約為 $1.67\times10^{-16}$。這是雙精度浮點捨入誤差，不代表任何真實相機已達此精度。SymPy 另以精確根式驗證四點可由左逆完全恢復。

反演亦恢復：

- 摺線端點比例 $t=1/2$。
- 兩個面的內稟等距條件 $J_f^{\mathsf T}J_f=I_2$。
- 同向面法向夾角的餘弦 $(1-\sqrt5)/2$，夾角約 $128.172708^\circ$。
- 三條來源邊界筆畫在第一視角中生成四條邊長 $s$ 的精確正方形。

![第一觀察者：正方形](figures/camera_xy_square.png)

![第二觀察者：深度區分](figures/camera_xz_depth.png)

![雙視角恢復的三維折片](figures/reconstructed_fold_3d.png)

### 6.3 觀測夾角與計算穩定性

令每個影像座標具有獨立高斯雜訊，標準差 $\sigma=0.002$ （相對於來源直角邊長 $1$ 的座標單位），每個觀測角度模擬 $2,500$ 次、每次四個對應頂點，共 $10,000$ 個頂點重建樣本。使用固定亂數種子 `20261103`，其結果如下：

| 觀察軸夾角 | 理論條件數 | 理論三維 RMS | 模擬三維 RMS |
|---:|---:|---:|---:|
| $5^\circ$ | 約 $22.93$ | $0.032483$ | $0.032810$ |
| $15^\circ$ | 約 $7.66$ | $0.011019$ | $0.010985$ |
| $30^\circ$ | 約 $3.86$ | $0.005831$ | $0.005860$ |
| $60^\circ$ | $2.00$ | $0.003559$ | $0.003570$ |
| $90^\circ$ | $\sqrt2$ | $0.003162$ | $0.003172$ |

此表為有固定種子、可在本機重跑的**合成數據實驗**。它支持定理 5.1–5.2 的數值實作，不能代替相機校準與實際物理測量。參數化在這一組觀察軸夾角內， $90^\circ$ 提供最好的奇異值條件數；實際攝影尚需考慮遮擋、相機可放置性及材質等條件。

![雙視角夾角與條件數](figures/camera_baseline_conditioning.png)

![高斯雜訊的理論 RMS 與數值實驗](figures/noise_stability_validation.png)

## 7. 不同觀察者的有效關係維度

P02–P03 的關係譜參與比對局部面雅可比 $J_f\in\mathbb R^{3\times2}$ 定義為

$$
D_{\mathrm{PR}}(P_iJ_f)=
\frac{[\operatorname{tr}(J_f^{\mathsf T}P_i^{\mathsf T}P_iJ_f)]^2}
{\operatorname{tr}[(J_f^{\mathsf T}P_i^{\mathsf T}P_iJ_f)^2]}.
$$

對內稟等距片而言， $J_f^{\mathsf T}J_f=I_2$，故在**沒有投影壓縮的載體層**，相同譜參與比計為 $2$。對一個正交觀察者，若片法向 $\widehat n_f$ 與相機觀察軸 $n_i$ 之內積平方是 $r=(n_i\cdot\widehat n_f)^2$，則觀察投影的兩個平方奇異值為 $1$ 與 $r$：

$$
D_{\mathrm{PR}}=\frac{(1+r)^2}{1+r^2}.
$$

將第 6 節恢復的 P03 三維座標代入，得到精確比較：

| 幾何層次／觀察者 | 面 $ABM$ | 面 $BMC$ |
|---|---:|---:|
| 載體內稟關係算子 $J_f^{\mathsf T}J_f$ | $2$ | $2$ |
| 第一觀察者 $P_{xy}$ | $9/7$ | $9/7$ |
| 第二觀察者 $P_{xz}$ | $1+1/\sqrt5\approx1.447214$ | $1+2/\sqrt5\approx1.894427$ |

第二觀察者看到的兩片關係維度不但不同於第一觀察者，兩片之間也不同。但這**不代表材料的一側真的從 $2D$ 變成 $1.447D$，另一側真的變成 $1.894D$**。二者均為固定觀察算子、固定觀測座標度量下的局部譜參與比。當資料已具備兩視角的可辨識條件時，可先反演 $J_f$，再恢復原始載體關係算子 $J_f^{\mathsf T}J_f=I_2$。

### 命題 7.1（由兩個校準視角恢復局部關係算子）

設 $J\in\mathbb R^{3\times2}$ 為一片載體在共同世界座標系的局部雅可比，而兩個相機都能對應同一來源座標的局部導數。若 $\mathcal P$ 滿列秩，則由堆疊的觀察雅可比 $K=\mathcal PJ$ 可唯一得到

$$
J=(\mathcal P^{\mathsf T}\mathcal P)^{-1}\mathcal P^{\mathsf T}K.
$$

故 $J^{\mathsf T}J$ 亦可唯一恢復。這比只在影像中比較兩個 $D_{\mathrm{PR}}$ 數字更強，因為它恢復方向與度量資訊。若來源座標及同點導數無法匹配，或未知相機度量，則不能直接套用。

**與 P02 的關係：** P02 已提供三個座標正交視角的度量加總恆等式。本命題說明在**已知完整觀察雅可比**並具有共同三維座標校準的較強條件下，兩個非平行視角就足以先恢復 $J$ 本身；並沒有否定 P02 的三視角恆等式。更沒有主張從任意兩張沒有點對應與姿態資訊的照片自動完成重建。

## 8. 模型邊界、錯誤來源與反證條件

### 8.1 本篇真正已證明的內容

1. 在已知相機外參、影像尺度與點對應的模型中，兩個非平行正交視角足以唯一反演三維點。
2. 對已知來源分片關聯圖且每片非退化的兩片剛性三角面，四點可決定三維折片的分片仿射幾何與摺線。
3. 一個正交視角存在固定世界座標系下的鏡射歧義。
4. 雙視角反演的秩、條件數與 Gaussian 均方噪音傳遞可以精確寫出。
5. 同一載體的兩個觀察者可測得不同的有效譜維度；用充分已校準資料恢復的內稟度量則一致。

### 8.2 尚未證明的內容

- 1.5D、1.7D、1.8D 或其他非整數數值為三線成方的必要／充分幾何維度。
- 一般曲面或未知摺線網路，只憑四點及兩張影像就可唯一重建所有內部幾何或歷史。
- 有遮擋的真實照片中能無誤自動辨識同一 $A,B,C,M$。
- 未知相機、透視畸變及未知尺度都能由本論文同一個左逆公式處理。
- 真實有限厚度材料的折疊力學、製程誤差或感測系統已經獲得實驗驗收。

### 8.3 反證與失效範例

- **平行視角：** 若 $n_1=\pm n_2$，則 $\operatorname{rank}(\mathcal P)=2$，反演不唯一。
- **近乎平行：** 雖理論上唯一，但 $\sigma_{\min}$ 很小，已知有限雜訊可導致巨大的深度不確定性。
- **點對應錯誤：** 將一幅影像的 $C$ 與另一幅影像的 $M$ 混淆，即使矩陣可逆，也不再是同一三維點的數據。
- **關聯圖未知：** 四點坐標本身不攜帶完整材料連接關係，不保證知道哪一邊是鉸鏈。
- **非剛性片：** 若材料可面內形變，四角可恢復不代表中間每個點的位置唯一；P02 的內部不可識別性仍適用。

## 9. 實作、驗證與檔案契約

研究包內包含：

- `src/reconstruct.py`：三維頂點反演、摺線及法向計算、條件數分析、固定種子的高斯測量實驗。
- `src/symbolic_verification.py`：獨立使用 SymPy 以精確根式驗證構造、雙視角左逆、觀察維度、剛性面與不可辨識例子。
- `src/render_figures.py`：重建五張圖的 PNG 與 SVG，所有圖片均是**視覺輔助**，數學結論仍以證明與測試程式為準。
- `src/validate_release.py`：檢查 UTF-8、唯一的 canonical LaTeX delimiters、依賴檔案、測試報告與 SHA-256 清單。
- `results/*.json`：儲存精確／數值檢查、重建座標、相機條件數、合成雜訊測試及驗證紀錄。

在研究包根目錄執行：

```bash
python src/reconstruct.py
python src/symbolic_verification.py
python src/render_figures.py
python src/validate_release.py
```

依賴是 Python 3、NumPy、SymPy、Matplotlib（詳見 `requirements.txt`）。發行前測試要求 `reconstruct.py` 的所有數值測試及 `symbolic_verification.py` 的所有符號測試通過，並有完整檔案雜湊清單。檔案格式檢查不代表數學同行審查或實驗驗證。

## 10. 結論

本篇把原來的「三條線經容器折疊成方」推進到一個更嚴格的反向問題：**幾何載體若能讓不同觀察者看到不同的形狀與有效維度，我們究竟需要哪些觀測，才能恢復原始關係？**

在已校準的兩視角、已知對應點、兩片剛體及已知關聯圖的類別中，答案是可反演，而且有精確的唯一性與穩定性判準。P03 的同一折片同時給出 $9/7$ 、 $1+1/\sqrt5$ 、 $1+2/\sqrt5$ 三個觀察有效維度數值，但恢復到內稟關係算子後始終是 $2$。**一個可觀測小數不是空間軸的數量；觀察關係的變化也不等於載體本體的維度變化。**

因此 P04 的成果是建立「觀察秩—關係譜—幾何反演」之間的可計算聯繫。它仍未給出一般 1.XD 的定義及三線成方的臨界維度，而是提供了研究這個猜想所必須遵守的觀測可辨識基準。下一篇可進一步研究不預先給定相機與摺線關聯圖的聯合反演，並把一般化的關係維度與可以獨立量測的物理參數連結，而非為某個小數維度事後調整定義。

**本篇結語：可觀測的幾何未必等於載體的幾何；但只要觀察之間的關係足夠明確，二者的差異便不再只能依賴想像，而能成為可以證明、反演與誤差量化的數學事實。**

---

## 參考文獻與原創性範圍

1. **[RGC-P01]** *Relational Geometry and Carrier Unfolding I: An Exact Three-Segment-to-Square Construction, Smoothness Obstructions, and Effective Relational Dimension*，2026-11-03。
2. **[RGC-P02]** *Relational Geometry and Carrier Unfolding II: Coordinate-Invariant Effective Dimension, Spectral Non-Identifiability, and the Limits of Interior Observation*，2026-11-03。
3. **[RGC-P03]** *Relational Geometry and Carrier Unfolding III: A Single-Crease Isometric Fold Whose Orthographic Image is an Exact Square*，2026-11-03。本篇完整沿用其精確樣本，未重新假定新的來源材料。
4. **[T-K]** Carlo Tomasi and Takeo Kanade, “Shape and Motion from Image Streams under Orthography: A Factorization Method”, *International Journal of Computer Vision*, 9(2), 137–154, 1992。[卡內基美隆大學書目](https://publications.ri.cmu.edu/shape-and-motion-from-image-streams-under-orthography-a-factorization-method)。研究說明了正交影像重建與點追蹤的既有背景；其相機未知、影像矩陣分解任務與本文相機已知的特例不應混為一談。
5. **[H-Z]** Richard Hartley and Andrew Zisserman, *Multiple View Geometry in Computer Vision*, 2nd ed., Cambridge University Press, 2004, Chapter 14: Affine Epipolar Geometry。[出版社章節資訊](https://www.cambridge.org/core/books/abs/multiple-view-geometry-in-computer-vision/affine-epipolar-geometry/F4D4DAE080C01DA8330A8BE038E28945)。兩視角已校準的線性反演屬既有多視圖幾何知識。
6. **[H-G]** Zeyuan He and Simon D. Guest, *On Rigid Origami I: Piecewise-planar Paper with Straight-line Creases*, 2018。[arXiv:1803.01430](https://arxiv.org/abs/1803.01430)。提供理想剛性折片模型的背景。

**原創性聲明：** 本篇不主張發明已校準的正交三角測量、秩—條件數理論或剛性摺紙。本文的研究性組合在於：對 P03 的特定三線成方載體建立**精確雙視角反演**，以三層「載體—關係—觀察」協議比較不同觀察者的譜參與比，並提供相互獨立的符號與合成雜訊驗證。未完成全面先例檢索，不宣稱此構造組合在文獻中從未出現。