Capítulo 9 — Backends de SfM

DÓNDE

Expert View → Inspector → Configuración del entrenamiento → Selector Camera Alignment, entrada "Apple Photogrammetry".

TÉCNICO

Envuelve el framework de fotogrametría integrado de Apple, desarrollado originalmente para Object Capture. Apple extrae internamente las características con una pipeline propietaria (los pasos no están documentados públicamente), las verifica mediante matching multi-vista y resuelve el bundle adjustment en el Apple Silicon Neural Engine + GPU. El backend es totalmente compatible con el App Store (sin binario externo, Sandbox=true, on-device), pero solo entrega poses de cámara más una nube de puntos gruesa — sin métricas de diagnóstico como longitud de track o error de reproyección. Escala según la recomendación de Apple hasta unos pocos cientos de imágenes. Con más de ~500 fotogramas en vuelos lineales de dron o grandes escenas exteriores se han observado de forma reproducible bloqueos o descarte silencioso de cámaras individuales.

DÓNDE

Menú "File → Import COLMAP / Metashape Workspace…" (Cmd+⇧+I) O arrastrar y soltar una carpeta con sparse/0/cameras.txt.

TÉCNICO

Lee la exportación de texto COLMAP estandarizada — tres archivos de texto cameras.txt, images.txt, points3D.txt en la subcarpeta sparse/0/ — y la convierte en el modelo interno de resultado de SfM. Misma definición de formato que la exportación binaria de COLMAP, solo que como ASCII en lugar de binario. Lo exportan Agisoft Metashape, RealityCapture, PolyCam y el benchmark ETH3D exactamente en este layout. El parser comparte la detección de modelo de cámara con el parser binario (todos los modelos comunes: SIMPLE_PINHOLE, PINHOLE, OPENCV, OPENCV_FISHEYE, FULL_OPENCV). Robusto frente a líneas de comentario y líneas vacías. Escala en las pruebas hasta ~1 400 cámaras (ETH3D Tunnel) sin problemas.

DÓNDE

Expert View → Inspector → Configuración del entrenamiento → Selector Camera Alignment, entrada "Native (Beta)". Incremental es el modo predeterminado de este backend — no hay un selector de mapper separado en el Inspector. Por CLI, el modo se puede establecer explícitamente con –native-sfm o –sfm-mapper incremental.

TÉCNICO

Implementación propia acelerada por GPU de toda la pipeline de SfM: características FAST+BRIEF O SuperPoint+LightGlue vía CoreML (con –coreml-features), seguidas de matching Hamming-KNN, matriz fundamental RANSAC, construcción de tracks, selección del par inicial, two-view bootstrap (F→E más DLT), mapper incremental greedy con registro PnP y triangulación multi-vista, y bundle adjustment final vía Levenberg-Marquardt reducido por Schur con loss Huber y jacobianos analíticos a través de Cholesky solve. Totalmente compatible con App Store: sin binario externo, Sandbox=true. Con el detector de colapso R2 entregado en la Fase 3.10: si la app registra menos del 60 % de los fotogramas de entrada o la tasa de puntos por cámara cae por debajo de 13, conmuta automáticamente al mapper global (Q5). Empíricamente limpio en escenas orbitales o de plato giratorio; en movimientos más generales (vuelo de dron, espacios interiores con geometría compleja) la tasa de éxito es menor — pero el detector atrapa esos casos. Escala con fiabilidad hasta ~200 cámaras, más con un tiempo de ejecución claramente mayor.

DÓNDE

Se llama automáticamente cuando el mapper incremental (Q4) dispara el detector de colapso (menos del 60 % de los fotogramas de entrada registrados o tasa de puntos por cámara por debajo de 13). Forzable manualmente solo vía CLI –sfm-mapper global. En el Inspector, el método global no es accesible por un selector aparte — la app decide por sí misma cuándo conmutar.

TÉCNICO

Variante global de la pipeline nativa. Primero extracción de características + matching como en Q4, después estimación de pose relativa para todos los pares verificados, seguido de rotation averaging (sincroniza todas las rotaciones de cámara en el sistema de coordenadas mundial) y translation averaging (basado en LSQR sobre una formulación sparse libre de matrices, para evitar overflow de enteros con grandes cantidades de cámaras). Escala en principio a ~5 000 cámaras, en la práctica con calidad degradada por encima de unos pocos cientos — la medición de la puerta de aceptación de la Fase 3.8 §5 sobre K-1351 dio finalLoss 0.07 en lugar de los 0.0115 objetivo. Se trata como "fallback tier": entra en juego cuando el mapper incremental degenera, pero no se reverifica en cuanto a calidad.

DÓNDE

Menú File → "Import COLMAP / Metashape Workspace…" (Cmd+⇧+I). Arrastrar y soltar una carpeta con sparse/0/cameras.{bin,txt} e images/.

TÉCNICO

Detecta automáticamente si una carpeta seleccionada mediante arrastrar y soltar o panel de apertura coincide con uno de los tres layouts de workspace de COLMAP (sparse/0/, sparse/ o raíz) y si la reconstrucción es binaria (cameras.bin) o texto (cameras.txt). La vía binaria utiliza el parser binario de COLMAP, la vía de texto el loader de ETH3D — ambas producen el mismo modelo de resultado de SfM y el resto de la pipeline (importar imágenes, iniciar entrenamiento MCMC) es agnóstica a la fuente. Las imágenes se abren mediante el sistema de bookmarks del sandbox de la app, con seguridad por ámbito, de modo que la importación también funciona en la versión de App Store. Pensado específicamente para el caso "exportación de Metashape sin recalcular la reconstrucción". La detección mencionada en la entrada del menú File avisa en el registro de la app si la carpeta elegida no es un workspace reconocible.