Capítulo 7 — Ajustes preestablecidos de calidad integrados

DÓNDE

Inspector → Sección Presets → Grupo "Classic" → Entrada "Quick". Sufijo UUID …001.

TÉCNICO

Ajuste preestablecido de diagnóstico con 1 000 iteraciones, estrategia clásica (adaptativa) de densificación y un escalado de resolución de entrenamiento de 0,25× (la imagen de entrada se reduce al 25 % antes del entrenamiento). No pretende entregar una escena, sino determinar rápidamente si el setup (poses de cámara, nube de puntos, serie de imágenes) muestra siquiera movimiento significativo en los valores de loss. En un M3 Ultra suele tardar menos de 30 segundos con 50–200 imágenes. La pequeña resolución oculta la calidad real de la imagen, pero mantiene la huella de memoria y el esfuerzo de renderizado muy bajos. También se selecciona automáticamente por defecto en el primer arranque cuando el sistema tiene menos de 10 GB de RAM.

DÓNDE

Inspector → Sección Presets → Grupo "Classic" → Entrada "Preview". Sufijo UUID …002.

TÉCNICO

5 000 iteraciones de densificación Classic, escalado de resolución 0,5×, tasas de aprendizaje duplicadas respecto al estándar. La densificación (clonado + división) está activa durante las primeras 2 500 iteraciones, después solo poda. Ajuste preestablecido por defecto para sistemas con ≥ 10 GB de RAM. En un M3 Ultra suelen ser de 90 segundos a 3 minutos para una escena de 200 imágenes. Entrega una impresión utilizable de geometría y pose de cámara, pero las texturas se ven visiblemente blandas — la resolución de renderizado 0,5× no se puede sortear directamente después reentrenando con P3 o P4, porque las tasas de aprendizaje están calibradas para coincidir con la media resolución.

DÓNDE

Inspector → Sección Presets → Grupo "Classic" → Entrada "Balanced". Sufijo UUID …005.

TÉCNICO

20 000 iteraciones de densificación Classic a resolución completa. La densificación se ejecuta durante las primeras 15 000 iteraciones, a partir de la iter 3 000 con un intervalo de densificación de 100. Empíricamente el "punto óptimo" de las sesiones de entrenamiento documentadas: con densificación clásica en Horse Full y Truck, el loss L1 se estabiliza entre la iter 18 000 y la 22 000; un entrenamiento más largo no aporta mejoras significativas por debajo de Quality (P4). En un M3 Ultra suelen ser 30–60 segundos con 200 imágenes, 5–8 minutos con 1 000+ imágenes.

DÓNDE

Inspector → Sección Presets → Grupo "Classic" → Entrada "Quality". Sufijo UUID …003.

TÉCNICO

35 000 iteraciones de densificación Classic con V546 "Opacity Decay" (HTGS, Eurographics 2025): después de cada ciclo de densificación, la opacidad de todos los Gaussianos existentes se multiplica por un factor < 1,0, lo que elimina de manera fiable durante la poda los Gaussianos que se han vuelto inactivos y, así, consigue un 14 % mejor de loss L1 con el mismo número de iteraciones que el run clásico de 35 000. El loss SSIM está habilitado (ssimWeight=0.05). En un M3 Ultra suelen ser 2–4 minutos con 200 imágenes. Alcanza un L1 final ≈ 0,023 en NeRF-Blender (Lego, Chair, Drums) — la mejor variante Classic en los más de 560 experimentos documentados. Nota: necesita ~3–5 GB de memoria GPU; en sistemas de 8 GB, P3 es la opción segura.

DÓNDE

Inspector → Sección Presets → Grupo "MCMC" → Entrada "Preview". Sufijo UUID …006.

TÉCNICO

60 000 iteraciones de densificación MCMC (3DGS-MCMC, NeurIPS 2024) con un tope de 100 000 Gaussianos. MCMC reemplaza la lógica heurística de clone/split por una relocalización de cadena de Markov Monte Carlo: los Gaussianos muertos se reubican mediante profundidades de muestreo ponderadas por sigmoide, lo que arroja un número controlado y reproducible de Gaussianos. El tope limita estrictamente el máximo a 100K — ahorra memoria y tiempo de renderizado, pero cuesta detalle. En un M3 Ultra suelen ser 5–8 minutos con 200 imágenes. Adecuado como "prueba de funcionamiento MCMC" — te ayuda a valorar si pasar de Classic a MCMC tendría sentido antes de invertir más tiempo en P6 o P7.

DÓNDE

Inspector → Sección Presets → Grupo "MCMC" → Entrada "Balanced". Sufijo UUID …007.

TÉCNICO

120 000 iteraciones MCMC con un tope de 150 000 Gaussianos. El nivel intermedio de MCMC — casi el número final de Gaussianos de P7 Quality, pero solo el 60 % de las iteraciones. Empíricamente, el loss L1 en las sesiones de entrenamiento documentadas se sitúa entre 0,026–0,028 sobre Horse Full, frente a P7 con 0,0246 — es decir, alrededor de un 7 % más alto, pero con la mitad de tiempo de espera. En un M3 Ultra suelen ser 8–15 minutos con 200 imágenes. Utiliza un procedimiento que escala el tope efectivo de Gaussianos a la densidad de puntos de la nube SfM de entrada (véase T75 en el Capítulo 6).

DÓNDE

Inspector → Sección Presets → Grupo "MCMC" → Entrada "Quality". Sufijo UUID …004.

TÉCNICO

200 000 iteraciones MCMC con un tope de 150 000 Gaussianos, loss SSIM 0,05, decay de ruido MCMC sobre el 80 % de las iteraciones. Mejor L1 en un solo run de los más de 560 experimentos: 0,0238 en Horse Full, promediado sobre 3 trials 0,0246 (frente a P4 0,0230 en la misma escena). MCMC entrega un 71 % menos de Gaussianos (150K frente a ~524K) — crucial cuando quieres entregar el resultado en la web, porque la nube más pequeña produce archivos de exportación notablemente más pequeños. Tiempo de entrenamiento en un M3 Ultra, normalmente 20–35 minutos con 200 imágenes; en sets de 1 000+ imágenes, más bien 1–2 horas. Mejor elección cuando se desea máxima calidad de imagen con un tamaño final mínimo.

DÓNDE

Inspector → Sección Presets → Grupo "Scene-Class" → Entrada "Render (3D)". Sufijo UUID …700.

TÉCNICO

Ajuste preestablecido Scene-Class para escenas sintéticas de imagen / tipo CGI (NeRF-Blender, Mip-NeRF 360 Flowers, test sets renderizados con Blender). El sweep Q7 BayesOpt (Trial T10 sobre flowers, Seed 7, presupuesto 20) determinó: mcmcMaxGaussians=1 189 511, mcmcCapMultiplier=2.98, ssimWeight=0.051, densifyGradThreshold=3.34e-06, mcmcNoiseScale=5.61e-05. Δ +0,36 dB PSNR frente a la línea base Quality MCMC (17,67 → 18,03). Mip-Splatting está deliberadamente desactivado (veredicto Q1.5 "closed no-win" 2026-05-25), Sky-Dome también desactivado (las escenas sintéticas no tienen cielo real). La palanca principal es el límite superior de Gaussianos 8× mayor — las escenas sintéticas con alfa limpio y texturas densas reaccionan con fuerza a una densidad más alta. Tiempo de entrenamiento con 200 imágenes, aproximadamente como P7.

DÓNDE

Inspector → Sección Presets → Grupo "Scene-Class" → Entrada "Outdoor (tuned)". Sufijo UUID …701.

TÉCNICO

Ajuste preestablecido Scene-Class para capturas exteriores con cielo real y gran rango de profundidad (Mip-NeRF 360 Bicycle/Garden, ETH3D Tunnel, vuelos de dron). El sweep Q7 BayesOpt (Trial T0 sobre bicycle, Seed 7, presupuesto 10) determinó: mcmcMaxGaussians=1 250 744, mcmcCapMultiplier=5.32, ssimWeight=0.082, skyDomeRadiusMultiplier=59.0. Δ +1,40 dB PSNR frente a Quality MCMC (21,66 → 23,06) — los 9 trials válidos de bicycle rompieron el umbral de +1,0 dB. Las escenas exteriores reaccionan extremadamente bien a mayores presupuestos de Gaussianos (rango de profundidad escalado) y al Sky-Dome V549e (píxeles de cielo proyectados esféricamente alrededor de la escena). El multiplicador de tope 5,32 permite a la relocalización MCMC muestrear con más agresividad en regiones lejanas de la imagen. Mip-Splatting deliberadamente desactivado (veredicto Q1.5: incluso resta PSNR en exteriores). Recomendación en la UI con el sufijo "(tuned)" — frente al equivalente Indoor sin sintonizar, el salto de calidad es más de cuatro veces mayor.

DÓNDE

Inspector → Sección Presets → Grupo "Scene-Class" → Entrada "Indoor". Sufijo UUID …702.

TÉCNICO

Ajuste preestablecido Scene-Class para espacios interiores (Mip-NeRF 360 Bonsai/Kitchen/Room, Deep Blending playroom/drjohnson, ETH3D Storage Room). El sweep Q7 BayesOpt (Trial T6 sobre bonsai, Seed 7, presupuesto 8) determinó: mcmcMaxGaussians=669 215, mcmcCapMultiplier=1.76, densifyGradThreshold=1.67e-06, pruneOpacityThreshold=0.0142, ssimWeight=0.171. Δ +0,33 dB PSNR frente a Quality MCMC (29,63 → 29,96). 3/8 trials rompieron el umbral de +0,2 dB, 8/8 válidos (sin estancamiento gracias al stall guard de mtime). Los espacios interiores reaccionan aproximadamente la mitad de fuerte que los exteriores — Δ +0,33 frente a +1,40 dB — con cerca de la mitad del presupuesto de Gaussianos (670K frente a 1,25M). La razón: la geometría delimitada por paredes se satura antes; se desperdician más Gaussianos en superficies planas de pared. El multiplicador de tope 1,76 se elige deliberadamente conservador para evitar el colapso de MCMC (fenómeno de la v1.4.3). Sky-Dome y Mip-Splatting ambos desactivados.