Luku 2 — Tarkastaja (asiantuntijatila)

MISSÄ

Tarkastaja → Esiasetukset-osio → Tallenna…-painike (toimintopalkki alhaalla).

TEKNINEN

Avaa ponnahdusikkunan, jossa on tekstikenttä sekä Tallenna- ja Peruuta-painikkeet. Nykyinen TrainingConfig-tila tallennetaan pysyvästi uutena mukautettuna esiasetuksena (JSON-koodattuna, tallennetaan sovellusten välisesti). Tallennusprosessi kopioi kaikki 81 koulutusparametria plus nykyisen Densification-strategian. Esiasetus päätyy automaattisesti Custom-kategoriaan riippumatta siitä, mistä sisäänrakennetusta esiasetuksesta se on johdettu. Tyhjät nimet ja pelkkiä välilyöntejä sisältävät syötteet hylätään. Olemassa olevia nimiä ei hylätä — jokaisella esiasetuksella on oma sisäinen tunnisteensa, joten päällekkäiset nimet ovat teknisesti sallittuja, mutta käytännössä hämmentäviä.

MISSÄ

Tallenna-ponnahdusikkuna → Tekstikenttä "Preset Name".

TEKNINEN

Yksinkertainen tekstikenttä pyöristetyllä kehyksellä, leveä muoto. Arvo otetaan esiasetuksen nimeksi, kun Tallenna-painiketta napsautetaan. Käyttöliittymässä ei ole pituusrajoitusta, mutta tallennetun nimen on oltava JSON-koodattavissa ja esitettävissä käyttöliittymän luetteloissa — emojit ja ääkköset toimivat. Kentän sisältö nollataan automaattisesti tyhjäksi merkkijonoksi ponnahdusikkunan avautuessa. Tallenna-painike pysyy poissa käytöstä, kunnes kenttä ei ole tyhjä trimmauksen jälkeen. Automaattista ehdotusta tai esitäyttöä aktiivisen esiasetuksen nimellä ei ole.

MISSÄ

Tallenna-ponnahdusikkuna → Peruuta-painike (vasemmalla).

TEKNINEN

Sulkee ponnahdusikkunan tallentamatta. Hylkää tekstikentän sisällön — seuraavan kerran avattaessa se nollataan takaisin tyhjäksi Tallenna…-painikkeen logiikan (I1) mukaisesti. Vakiopainiketyyli, ei vahvistusdialogeja, ei pikanäppäimiä. Nykyinen TrainingConfig säilyy muuttumattomana, koska tallennuspolkua ei ole suoritettu.

MISSÄ

Tallenna-ponnahdusikkuna → Tallenna-painike (oikealla, korostettu tyyli).

TEKNINEN

Käynnistää varsinaisen tallennuksen. Varmistaa uudelleen, että nimi ei ole tyhjä (puolustava tarkistus) ja kirjoittaa sitten nykyisen TrainingConfig-tiedon JSON-muodossa sovelluksen muistiin. Sulkee sen jälkeen ponnahdusikkunan. Sinisellä korostettu, harmaana niin kauan kuin tekstikenttä on tyhjä. Jos tallennus epäonnistuu (esim. koska sovelluksen muisti on täynnä — erittäin epätodennäköistä), tällä hetkellä ei ole näkyvää virheilmoitusta; esiasetus ei tällöin vain ilmestyisi seuraavalla sovelluksen käynnistyskerralla.

MISSÄ

Tarkastaja → Esiasetukset-osio → Toimintopalkki → Vie…-painike.

TEKNINEN

Vie valitun esiasetuksen .radiancepreset-tiedostona (sisäisesti JSON). Poissa käytöstä, jos esiasetusta ei ole valittu. Napsautettaessa sovellus avaa Tallenna-dialogin, jossa on ennalta määritetty tiedostonimi (esiasetuksen nimi + .radiancepreset-pääte). Tallennettu muoto sisältää koko TrainingConfig-tiedon sekä metatiedot (nimi, kategoria, ID, sisäänrakennettu-lippu). Kaksoisnapsautus Finderissa avaa sovelluksen — mutta ei automaattisesti tuontia; käyttäjän on käytettävä Tuo-painiketta (I6).

MISSÄ

Tarkastaja → Esiasetukset-osio → Toimintopalkki → Tuo…-painike.

TEKNINEN

Avaa tiedostodialogin, joka sallii vain .radiancepreset-tiedostot (monivalinta pois käytöstä). Valittaessa JSON-tiedosto ladataan, validoidaan ja lisätään Custom-kategoriaan — uudella sisäisellä ID:llä, jotta vältetään törmäykset sisäänrakennettujen kanssa. Tuonti asettaa kategorian automaattisesti Custom-kategoriaan, vaikka viety esiasetus olisi alun perin ollut esim. sisäänrakennettu. Vahingoittuneet tai vanhemman skeemaversion kanssa yhteensopimattomat tiedostot hylätään hiljaisesti ilman virheilmoitusta (konsoliloki antaa kuitenkin tietoa).

MISSÄ

Tarkastaja → Esiasetukset-osio → jokainen esiasetusrivi jokaisessa kategoriassa.

TEKNINEN

Napsautus esiasetusrivillä korvaa kaikki TrainingConfig-kentät esiasetuksen arvoilla, muistaa aktiivisen esiasetuksen ID:n ja nollaa muokattu-tilan. Aktiivinen valintamerkki rivin edessä näkyy vain, jos esiasetus on valittu JA muokkaamaton. Heti kun TrainingConfig-arvoa muutetaan (liukusäädin, askeltaja, valinta muissa Tarkastajan osioissa), nimen perään ilmestyy oranssi "Modified"-merkki. Sisäänrakennettuja esiasetuksia ei voi ylikirjoittaa — muokkauksen yhteydessä on luotava oma kopio Tallenna-painikkeella (I1) tai kopioitava esiasetus.

MISSÄ

Hiiren oikea napsautus jokaisella esiasetusrivillä → ensimmäinen kohta "Vie…".

TEKNINEN

Sama toiminnallisuus kuin I5 (Vie…-painike), mutta helpommin saavutettavissa — ilman että esiasetusta tarvitsee ensin valita. Vie suoraan rivillä napsautetun esiasetuksen. Toimii kaikille esiasetuskategorioille samalla tavalla (sisäänrakennettu tai mukautettu), ei rajoituksia. Vienti sisältää sisäänrakennettu-lipun ja alkuperäisen kategorian, mutta uudelleentuonnissa kategoria mappautuu Custom-kategoriaan, kuten kohdassa I6 on kuvattu.

MISSÄ

Hiiren oikea napsautus jokaisella esiasetusrivillä → toinen kohta "Kopioi".

TEKNINEN

Kloonaa esiasetuksen Custom-kategoriaan. Luo uuden sisäisen ID:n, lisää nimen perään " Copy" ja tallentaa kopion. Toimii myös sisäänrakennetuille esiasetuksille — klooni on tällöin muokattavissa. Alkuperäinen säilyy koskemattomana. TrainingConfig kopioidaan arvo arvolta (JSON-kierros), joten alkuperäisen ja kopion välillä ei ole viitesidoksia.

MISSÄ

Hiiren oikea napsautus omilla esiasetusriveillä → viimeinen kohta "Poista" (punainen, tuhoava).

TEKNINEN

Näkyvissä vain mukautetuille esiasetuksille. Sisäänrakennettuja ei voi poistaa. Kohta on merkitty tuhoavaksi, näkyy kontekstivalikossa punaisena ja on erotettu jakajalla, jotta sitä ei napsauteta vahingossa. Ei ole vahvistusdialogia — yksi napsautus poistaa esiasetuksen välittömästi. Poistettua esiasetusta ei voi palauttaa (Cmd-Z ei toimi tässä — kumoaminen on nykyisessä versiossa vain kuvaluettelolle, ei esiasetustoiminnoille). Jos poistettu esiasetus oli aktiivinen, nykyinen TrainingConfig säilyy muuttumattomana, vain aktiivinen esiasetusvalinta nollataan.

MISSÄ

Tarkastaja → Esiasetukset-osio → jokainen kategoriaotsikko (Classic, MCMC, SceneClass, Custom).

TEKNINEN

Avaus/sulkutila per kategoria eri oletuksilla: Classic alkaa avattuna, MCMC, SceneClass ja Custom alkavat suljettuina. Tilaa ei tallenneta pysyvästi — sovelluksen uudelleenkäynnistyksen jälkeen kaikki kategoriat ovat taas oletustilassaan. Chevron-nuoli pyörii animoidusti. Otsikon oikealla puolella oleva numero näyttää esiasetusten määrän tässä kategoriassa. Napsautusalue kattaa koko otsikkoalueen.

MISSÄ

Tarkastaja → Koulutusasetukset → Camera Alignment (segmentoitu valitsin ylhäällä).

TEKNINEN

Segmentoitu valitsin kahdella vaihtoehdolla: Apple Photogrammetry ja Native (Beta). Valinta määrittää käytettävän SfM-taustajärjestelmän seuraavassa kamerarekonstruktiossa. Se vaikuttaa samalla siihen, mitkä muut Tarkastajan elementit ovat näkyvissä: Native näyttää lisäksi FOV-ohituksen (I13), jota tarvitaan vain EXIF-tietoja vailla oleville videokuville. Huomautus: erittäin suurille ulkoilmakuvauksille voit tuoda ulkoisen työkalun (Metashape tai COLMAP) tuloksen työtilan tuonnin kautta — katso Luku 1 (M5) ja Luku 9 (Q3, Q6).

MISSÄ

Tarkastaja → Koulutusasetukset → FOV Override (näkyvissä vain, kun Camera Alignment = Native).

TEKNINEN

Numeerinen tekstikenttä (alue 0-170°), oletus 0 = automaattinen määritys EXIF-tiedoista tai heuristiikasta. Manuaalinen syöttö on tarpeen, kun syötekuvat on poimittu videosta, joka ei sisällä polttovälin metatietoja. Tyypillisiä arvoja: iPhone Wide ≈ 73°, DJI Mavic Wide-Crop ≈ 70°, drooni täyden kennon sensorilla ≈ 84°. Arvo rajoitetaan välille [0, 170] — ulkopuoliset arvot palautetaan suoraan takaisin. Vaikuttaa vain natiiviin SfM-putkeen (Q4/Q5); Apple Photogrammetry ohittaa tämän arvon kokonaan.

MISSÄ

Tarkastaja → Koulutusasetukset → Densification (segmentoitu valitsin, aina näkyvissä).

TEKNINEN

Vaihtaa kahden Densification-strategian välillä: Classic (alkuperäinen 3DGS-menetelmä, jossa on Clone/Split/Prune ja gradienttikynnys) ja MCMC (Stochastic Gradient Langevin Dynamics, jossa on Relocation, NeurIPS 2024). Vaihdettaessa Classicista MCMC:hen sovellus asettaa MCMC-kohtaiset kentät automaattisesti testattuihin oletusarvoihin (Reg-Weights = 0, MCMC-Cap-Multiplier 3.0, Sample-/Noise-Schedule). Ilman tätä automaattista alustusta vanhoilla esiasetuksilla tehdyt sessiot kärsivät 1.4.4-MCMC-romahdusbugista (460K→5 Gaussiania, Watchdog-kill). Valitsimen valinta määrittää lisäksi, mitkä Tarkastajan elementit ovat näkyvissä — MCMC:n kanssa ilmestyvät I16/I17. Yksityiskohtainen kentän vaikutus Luvussa 6, T11–T16 (Classic) ja T61–T73 (MCMC).

MISSÄ

Tarkastaja → Koulutusasetukset → MCMC Quality (vain kun Densification = MCMC).

TEKNINEN

Kytkee gradientin keräämisen 2 askeleeseen (aktiivinen) tai 1 askeleeseen (epäaktiivinen). Kerää gradientit kahdesta peräkkäisestä kameranäkymästä ennen optimoijan askeleen suorittamista. Empiirisesti (Sessio 33, V544a) tämä vähentää lopullista L1-virhettä noin 6% (0.0246 Qualitylla vs 0.0261 ilman, 3 kokeen keskiarvolla Horse-Full-MCMC:llä). Hinta: kaksinkertainen koulutusaika. Erittäin pitkissä koulutuksissa (200K iteraatiota) tämä johtaa yli 10 minuutin lisäodotusaikaan — joten se kannattaa vain, kun viimeiset prosentit laadusta ovat todella tarpeen. Vaikuttaa vain koulutukseen, ei vientimuotoon tai näkymän esitykseen.

MISSÄ

Tarkastaja → Koulutusasetukset → Auto-scale by scene (vain MCMC:llä).

TEKNINEN

Kun aktiivinen, skaalaa tehokkaan Max-Gaussians- ylärajan SfM-alkupisteiden määrällä × MCMC-Cap-Multiplier (oletus 3.0). Esimerkki: SfM tuottaa 250K alkupistettä, peruskatto = 150K, kerroin 3.0 → tehokas yläraja = max(150K, 750K) = 750K. Kun epäaktiivinen, vain peruskatto on voimassa. Otettiin käyttöön v1.4.5:ssä, koska suuret ulkoilmakuvaukset, joissa on yli 1000 kuvaa ja vastaavasti korkea SfM-pistetiheys, nälkiinnyttivät Densificationin jäykällä 150K-katolla — ylimääräiset pisteet jäivät, uusia ei saanut syntyä. Oletus OFF mukautetuissa esiasetuksissa, ON MCMC-sisäänrakennetuissa. Vaikuttaa vain koulutusaikana, ei viennissä.

MISSÄ

Tarkastaja → Koulutusasetukset → GroupBox → Max Iterations.

TEKNINEN

Askeltaja, jonka alue on 1 000–100 000, askelkoko 1 000. Määrittää optimoijan iteraatioiden kokonaismäärän. Lineaarisesti korreloi koulutusajan kanssa (puolittaminen = n. 50% aikaa). Empiiriset ihannepisteet: 20K (Classic Balanced, L1≈0.028), 40K (Classic Quality, L1≈0.023), 200K (MCMC Full, L1≈0.0246). Yli 40K Classicilla ei keskimäärin tuo juurikaan parannusta — vähenevät tuotot. Muutettaessa, jos linkkitoiminto (I19) on aktiivinen, Densify Until vedetään suhteellisesti mukana (oletussuhde: 0.5, eli Densify-Until = Max/2).

MISSÄ

Tarkastaja → Koulutusasetukset → GroupBox → pieni linkkipainike Max Iterationsin ja Densify Untilin välissä.

TEKNINEN

Vaihtopainike, joka jäädyttää Densify Untilin ja Max Iterationsin välisen suhteen. Kun aktiivinen (linkkikuvake korostettuna), Densify Until säädetään suhteellisesti aina, kun Max Iterationsia muutetaan. Kun linkitys poistetaan (linkki-plus-kuvake), arvot pysyvät itsenäisinä. Oletus on linkitetty, koska se heijastaa tyypillistä korrelaatiota — jos vedät koulutuksen kaksinkertaisille iteraatioille, haluat yleensä myös antaa Densificationin käydä suhteellisesti pidempään. Suhde lasketaan nykyisestä arvosta, kun linkkipainike asetetaan; tyypillinen suhde on 0.5 (Densify-Until = puolet iteraatioiden määrästä).

MISSÄ

Tarkastaja → Koulutusasetukset → GroupBox → Densify Until.

TEKNINEN

Askeltaja, jonka alue on 500–50 000, askelkoko 500. Määrittää iteraatioindeksin, jonka jälkeen uusia Gaussianeja ei enää lisätä Clone/Split (Classic) tai Relocation (MCMC) kautta. Saavutettuaan vain sijaintia ja väriä hienosäädetään. Korkeammat arvot = enemmän Gaussianeja = suurempi tiedosto, pidempi aika per iteraatio (+30-60% GPU-aikaa per askel). Tyypillisiä arvoja: 15K (30K Max-Iterille), 20K (40K:lle), 100K (200K MCMC:lle). Kun linkki (I19) on aktiivinen, skaalautuu automaattisesti mukana. Vaikuttaa eri tavalla Classic vs MCMC: Classic pysäyttää kasvun kokonaan, MCMC pysäyttää Relocation-logiikan, mutta Sample-/Noise-sopeutuminen jatkuu.

MISSÄ

Tarkastaja → Koulutusasetukset → GroupBox → SSIM Weight.

TEKNINEN

Liukusäädin 0.0–1.0 0.05:n askelin, näyttö "0.20". Sekoittaa L1-häviötä (0.0) ja SSIM-häviötä (1.0). L1 tiukentaa kirkkautta per pikseli, SSIM rakenteellista samankaltaisuutta (reunat, paikalliset tilastot). Oletus 0.2 on arvo alkuperäisestä 3DGS-paperista (Kerbl 2023) ja käänteismallinnettu vankaksi kompromissiksi lukuisissa sessioissa. Korkeammat arvot (0.5+) suosivat yksityiskohtien säilymistä, mutta voivat jättää huomiotta paikallisia kirkkausvirheitä. Matalammat arvot (< 0.1) johtavat yksityiskohtien menetykseen terävissä reunoissa. SSIM-laskenta suoritetaan shaderissa 11×11 Gaussian-ikkunalla. Suorituskyky: 0.0:lla (vain L1) koulutus on noin 8-12% nopeampi, koska SSIM-laskenta ohitetaan shaderissa.

MISSÄ

Tarkastaja → Koulutusasetukset → GroupBox → Render Scale.

TEKNINEN

Liukusäädin 0.25–1.0 0.25:n askelin, näyttö "100%". Skaalaa koulutuksen renderöintiresoluutiota suhteessa lähdekuvan kokoon. Suurin vaikutus suorituskykyyn: 50% vähentää GPU-aikaa noin 75% (koska 4× vähemmän pikseleitä), 25% noin 94%. Gradienttikynnys skaalataan automaattisesti mukana. Liukusäätimen alla näkyy reaaliaikainen resoluutionäyttö MP:nä (esim. "2304×1296 (3.0 MP)"). Jos nykyinen arvo poikkeaa suositellusta, näytetään oranssilla tekstillä "— recommended: 50%". Suositus tähtää noin 3 MP:n tehokkaaseen resoluutioon — Apple Silicon GPU:iden tehokkaimmin käsittelemä alue. 4K-lähdekuville suositellaan esim. automaattisesti 25%, FullHD-kuville 100%. Muutos käynnistää lisäksi puskurin uudelleenallokoinnin.

MISSÄ

Tarkastaja → Parannukset → Post-Training Compactification.

TEKNINEN

Aktivoi V443-jälkikäsittelyn: Koulutusiteraatioiden päätyttyä Gaussianit, joiden peittävyys on alle 0.01 (1% näkyvyys), poistetaan. Empiirisesti tämä vähentää tiedostokokoa noin 55-58% ilman näkyvää laadun heikkenemistä — koska nämä Gaussianit eivät visuaalisesti vaikuta. Compactification suoritetaan GPU-Compact-passina ja kestää Gaussian-määrästä riippuen sekunnin murto-osista muutamaan sekuntiin. Ei vaikuta koulutuksen suorituskykyyn. Jos tämä valinta on pois päältä, myös näkymättömät Gaussianit viedään — relevanttia vain, jos haluat käyttää muotoa toiseen koulutusvaiheeseen (Continue Training), muuten muistin tuhlausta.

MISSÄ

Tarkastaja → Parannukset → MetalFX Spatial Upscaling.

TEKNINEN

Aktivoi Applen MetalFX Spatial Upscalerin näkymän renderöijässä. Jos koulutusresoluutio (I22 Render Scale) on pienempi kuin näkymän koko, MetalFX skaalaa renderöidyn kuvan ML-pohjaisesti näyttökokoon. Antaa terävimmät tulokset kaikista skaalausvaihtoehdoista, koska ML-skaalausmalli on optimoitu teräville reunoille. Renderöintiputki konfiguroidaan uudelleen lennossa vaihtaessa — näkyy heti, ilman uudelleenkäynnistystä. On etusijalla MPS Lanczosiin (I28) nähden: jos molemmat ovat aktiivisia, MetalFX voittaa. Suorituskyvyn lisäkustannus näkymässä on noin 1-2 ms per kuva M3-GPU:illa. Vaikuttaa vain reaaliaikaiseen näkymään, ei renderöityihin vienteihin (kiertorata-video, kuvakaappaukset) — ne renderöidään täydellä lähderesoluutiolla.

MISSÄ

Tarkastaja → Parannukset → MPS Lanczos Scaling.

TEKNINEN

Aktivoi Applen Metal Performance Shadersin Lanczos-uudelleennäytteistyksellä näkymän skaalaajana. Lanczos on klassinen uudelleennäytteistys 8-tap-sinc-suodattimella — terävämpi kuin bilineaarinen, klassinen algoritmi ilman ML:ää. Renderöintiputki konfiguroidaan uudelleen lennossa vaihtaessa. Ohitetaan, jos MetalFX (I27) on myös aktiivinen. Minimaalinen lisäkustannus (<0.5ms per kuva), mutta laatu on MetalFX:ää heikompi. Käyttö: varavaihtoehto kohtauksille, joissa MetalFX tuottaa artefakteja (esim. voimakkaat viivarakenteet, joita ML-skaalain joskus "siloittaa"). Vaikuttaa kuten I27 vain reaaliaikaiseen näkymään, ei vientiin.

MISSÄ

Tarkastaja → Parannukset → Perceptual Loss.

TEKNINEN

Liukusäädin 0.0–0.2 0.01:n askelin, näyttö 0.0:lla "Off", muuten "0.05" jne. Aktivoi ylimääräisen häviötermin, joka vertaa renderöinnin moniskaalaista Gaussian-sumennusta perustotuuskuvaan (3 sumennusskaalaa). Tavoittaa rakenteellisia eroja, joita L1+SSIM yksinään ei tunnista. V460-toteutus. Empiirisesti arvo 0.05-0.1 parantaa L1-pistemäärää sessioissa muutamalla prosentilla, mutta maksaa noin 5% koulutusaikaa (ylimääräinen eteenpäinsyöttö sumennusytimien läpi). Yli 0.15 tekee koulutuksesta epävakaan ja L1 huononee jälleen (häviötermi dominoi optimointia). Vaikuttaa koulutuksen aikana, ei jälkikäsittelyssä — huolimatta sijainnista "Parannukset"-osiossa, tämä ei siis ole pelkkä jälkikäteinen parannus.

MISSÄ

Tarkastaja → Mittarit → Iteration. Vain luku.

TEKNINEN

Näyttö muodossa "4523 / 40000" — nykyinen iteraatio / suunniteltujen iteraatioiden kokonaismäärä. Laskee synkronisesti koulutussilmukan kanssa, joka lähettää arvot noin 30 iteraation välein. Toinen luku vastaa Max-Iterations-arvoa aloitushetkellä; se ei enää muutu, vaikka käyttäjä säätäisi askeltajaa myöhemmin — käynnissä oleva ajo käyttää omaa tilannekuvakopiotaan. Jos sovellus lisää iteraatioita Training-valikon kautta (Continue Training +5K/+10K/+20K), nimittäjä kasvaa.

MISSÄ

Tarkastaja → Mittarit → Loss. Vain luku.

TEKNINEN

Float-arvo kuudella desimaalilla (esim. "0.024385"). Mittaa yhdistettyä L1+SSIM-häviötä (sekoitusta ohjataan I21 SSIM Weight -säätimellä) sekä valinnaisesti Perceptual Lossia (I29) ja muita regularisoijia. Asteikko ei ole absoluuttinen, vaan kohtausriippuvainen — vaatii useimmissa vertailuissa saman datajoukon. Tyypillisiä loppuarvoja hyvillä konfiguraatioilla: - Classic Quality 40K iters: 0.022–0.025 (Horse, Truck, Garden) - MCMC Full 200K iters: 0.024–0.028 - Outdoor Drohne 30K: 0.030–0.060 (geometriasta johtuen huonompi) - Indoor Apartments: 0.018–0.025

Yli 0.10 arvot 5K iteraation jälkeen viittaavat SfM-ongelmiin (huonot kameran asennot) — keskeytä ja laske SfM uudelleen.

MISSÄ

Tarkastaja → Mittarit → Learning Rate. Vain luku.

TEKNINEN

Tieteellinen notaationäyttö (esim. "1.60e-04"). Nykyinen oppimisnopeus sijaintiparametreille (3DGS:llä on kuusi itsenäistä oppimisnopeutta sijainnille, SH-DC:lle, SH-Restille, peittävyydelle, skaalalle, rotaatiolle — tässä näytetään sijainnin oppimisnopeus edustavana arvona). Oletusalkuarvo 1.6e-4, joka laskee eksponentiaalisen vaimennuksen kautta noin 1.6e-6:een koulutuksen loppuun mennessä. Vaimennus on säädettävissä koulutuskonfiguraation LR-Schedule-kentässä (T-kenttä Luvussa 6). Jos oppimisnopeus pysyy epätavallisen korkeana (esim. 1e-3 tai enemmän 10K iteraation jälkeen), se voi viitata virheellisesti ladattuun konfiguraatioon.

MISSÄ

Tarkastaja → Mittarit → SH Degree. Vain luku.

TEKNINEN

Kokonaisluku 0-3. Palloharmonisten aste väriesitykselle. Alkaa 0:sta (vain DC-komponentti, eli suunnasta riippumaton väri per Gaussian — siis vain yksi RGB-vakio) ja nousee koulutuksen aikana progressiivisesti 3:een. Vakioaikataulu nostaa astetta 1:llä 1000/2000/3000 iteraation kohdalla. SH-3 vastaa 48 värikerrointa per Gaussian (3 RGB-kanavaa × 16 SH-perusfunktiota). Korkeampi SH-aste = enemmän suunnasta riippuvaa heijastusta (kiiltävät pinnat näyttävät oikein erilaisilta eri katselukulmista), mutta myös enemmän muistia ja hitaampi koulutus.

MISSÄ

Tarkastaja → Mittarit → Gaussians. Vain luku.

TEKNINEN

Nykyinen Gaussianien määrä mallissa, muotoiltu paikallisella erottimella (esim. "524.318"). Kasvu: - Classic: alkaa SfM-alkupisteistä (tyypillisesti 50K-300K), kasvaa Clone/Split-toiminnolla lähes Densify Until -arvoon asti, sitten staattinen koulutuksen loppuun (miinus karsinta) - MCMC: näytepisteitä lisätään MCMC-kattoon asti, sitten vain Relocation

Terveet loppuarvot: - Classic Quality: 400K-700K (Horse 524K, Garden 800K) - MCMC Full: täsmälleen katossa (oletus 150K, Auto-Scale-kertoimella × SfM-määrä kohtauksesta riippuen 500K-1.5M)

Jos MCMC:ssä luku putoaa alle 60% katosta → anomalia (romahdusindikaattori, viittaa liian aggressiivisiin regularisoijiin).

MISSÄ

Tarkastaja → Mittarit → GPU Memory. Vain luku.

TEKNINEN

Arvio Gaussian-puskurin muistinkulutuksesta Gaussian-määrä × 616 tavua (muotoiltu muistityyliin). 616 tavua on empiirinen koko täysin varustellulle Gaussianille (sijainti, skaalaus, rotaatio, peittävyys, SH-kertoimet aste 3, gradienttikerääjä). Näyttö ei kata renderöijän lisäkustannuksia (tiilipuskuri, lajittelupuskuri, taaksepäin-puskuri) — todellinen GPU-muistin tarve on tyypillisesti 2-3× tätä arvoa suurempi. 500K Gaussianilla: näytetty ~290 MB, todellinen ~700 MB. 1.5M Gaussianilla: näytetty ~880 MB, todellinen ~2.5 GB. M3 Maxilla, jossa on 64+ GB yhtenäismuistia, merkityksetön, M3 Prolla, jossa on 18 GB, jo raja.

MISSÄ

Tarkastaja → Mittarit → Speed. Vain luku.

TEKNINEN

Iteraatioita sekunnissa yhdellä desimaalilla ("24.3 it/s"). Kouluttaja laskee liukuvana keskiarvona viimeisten ~100 iteraation ajalta. Tyypillisiä arvoja: - Quick Preset (1K iters): 80-120 it/s (lyhyt, ei vakaata tilaa) - Classic 20K @ 1.0 Render Scale (Truck-kohtaus, M3 Max): 25-35 it/s - Classic 20K @ 0.5 Render Scale: 80-120 it/s - MCMC 200K @ 0.5 Render Scale: 25-50 it/s (hitaampi Relocationin vuoksi) - 1M+ Gaussianilla ja täydellä resoluutiolla: < 10 it/s

Nopeuden lasku koulutuksen aikana on normaalia — enemmän Gaussianeja = enemmän laskentaa per iteraatio. Äkilliset romahdukset (esim. 30 → 5 it/s) viittaavat GPU:n lämpökuristukseen tai kilpaileviin sovelluksiin.

MISSÄ

Tarkastaja → Mittarit → Elapsed. Vain luku.

TEKNINEN

Jo kulunut aika muodossa "4:23" (m:ss) tai "1:23:45" (h:mm:ss). Muoto vaihtuu 1 tunnin jälkeen. Mittaa vain puhdasta koulutusaikaa, ei edeltäviä vaiheita (SfM-laskenta, kuvan tuonti). Tauon/jatkamisen aikana kello jatkaa käymistään — on siis seinäkelloaika, ei CPU-aikaa.

MISSÄ

Tarkastaja → Mittarit → ETA. Vain luku.

TEKNINEN

Arvioitu jäljellä oleva aika muodossa "17:42" tai "1:12:35". Laskenta: (Max Iterations − nykyinen iteraatio) / iteraatioita-sekunnissa. Näyttää "–", kun nopeus on nolla (aivan alussa tai tauolla). Arviota ei sopeuteta tyypilliseen hidastumiseen koulutuksen loppua kohti — erityisesti MCMC:ssä ja Classicissa, joissa on suuret Densify-Until-arvot, koulutus hidastuu, koska kuvaan tulee yhä enemmän Gaussianeja. Todellisuudessa se pysyy tyypillisesti 10-20% alkuperäisen ETA:n yläpuolella.

MISSÄ

Tarkastaja → Häviökaavio → vasen otsikkoalue "Current: 0.0287". Vain luku.

TEKNINEN

Viimeisen häviönäytepisteen float-arvo, muotoiltu neljällä desimaalilla. Identtinen I31:n kanssa (Häviö Mittarit-osiossa), vain tässä tiiviimmin muotoiltuna. Lähde on häviöhistoria — luettelo, joka saa merkinnän noin 30 iteraation välein. Vain äärelliset arvot lisätään luetteloon — NaN/Infinity (erittäin harvinainen, gradientin räjähdysbugin tapauksessa) suodatetaan pois.

MISSÄ

Tarkastaja → Häviökaavio → oikea otsikkoalue "Min: 0.0245" (vihreä). Vain luku.

TEKNINEN

Kaikkien nykyisen koulutusajon aikana nähtyjen häviöarvojen minimi. Lasketaan uudelleen lennossa häviöhistoriasta — ei erillistä tallennusta. Esitetään vihreällä tekstillä, koska "Min" = "paras tähän mennessä". Katkoviiva kaavion alareunassa merkitsee tämän Y-sijainnin visuaalisesti. Continue-training-sessioissa minimin seuranta alkaa alusta — vanha historia korvataan käyttöliittymässä uudella (ei liitetä perään). Jos nykyinen koulutus suoriutuu huonommin kuin edellinen, miniminäyttö voi siis olla suurempi kuin edellinen lopputulos.

MISSÄ

Tarkastaja → Häviökaavio → toinen kaavio alla (oranssi). Vain luku.

TEKNINEN

Viivakaavio Gaussian-määrästä koulutusiteraatioiden aikana. Lähde: Gaussian-määrän historia (luettelo (Iter, Count)-pareista, jonka kouluttaja täyttää noin 30 iteraation välein). Y-asteikko dynaaminen historian minimin ja maksimin välillä. Classic-strategialla käyrä näyttää tyypillisesti tältä: jatkuvasti nouseva Densify Until -arvoon asti, sitten tasainen (pienillä karsintavaihteluilla). MCMC:llä: jyrkkä nousu kattoon asti, sitten vaakasuora viiva (Relocation pitää luvun vakiona). Jos käyrä laskee aktiivisesta koulutuksesta huolimatta, Densification karsii liian aggressiivisesti — merkki vääristä oletusarvoista tai tunnetusta MCMC-romahdusbugista (v1.4.4-hotfix-aihe).