筛出屋顶点，
再重建屋面结构。

全局网络：共享逐点编码 → 全局最大池化 → 拼接局部与全局特征 → 保留概率。图网络：两层邻域边特征 → 局部最大聚合 → 全局上下文 → 保留概率。输入为归一化 XYZ 与相对地面的高度，当前主模型不输入影像。

3.5k 与 20k 图网络采用同一基础架构；20k 长训练同时增加训练建筑数和步数，不能把差异全部归因于数据量。网络只筛点，屋面由后续几何算法生成。

美国早期试验另含光学 MLP：R、G、NIR、NDVI 与纹理特征，以及几何／光学特征融合。它与这里的全局／图网络属于不同阶段，结果分开查看。

测试点云来自自动 3DBAG 屋面采样，再加入稀疏、遮挡与树冠形态干扰。参考与标签同源，足迹和地面高度为共同先验；真实航拍仅供目视核对。受控结果不能直接代表 NAIP＋3DEP 的美国精度。

主模型仍有 31 / 2,400 个原生失败或回退，与 raw 数量相同；局部条件仍会退化，屋脊也可能丢失。模型没有产生新的观测点，完整屋顶补全与 RGB 联合建模仍待验证。