Tuki

RadianceCap mallille iPhone

RadianceCap ohjaa anturirikkaiden kohtausten sieppaamista RadianceKit:lle. Uudet kaappaukset vaativat LiDAR-yhteensopivan iPhone:n, jossa on iOS 17 tai uudempi. Laitteissa, joissa ei ole LiDAR:tä, voit silti avata kohtauskirjaston tarkastellaksesi ja jakaaksesi olemassa olevia kaappeja.

Näkymä jää ensin iPhone:lle. Voit siirtää sen Share-, AirDrop- tai Files-sovelluksen kautta tai ottaa käyttöön valinnaisen yksityisen iCloud-synkronoinnin asetuksista. 3D-koulutuksessa käytetään RadianceKit:tä tuetuissa Mac-tietokoneissa.

Avaa RadianceCap:ssa Asetukset → Ohje → Näytä kuvausopas saadaksesi tärkeimmät ohjeet liikkeestä, päällekkäisyydestä, varoitussymbolista ja yksityisyydestä.

Käyttöopas

Täydellinen käyttöopas kattaa tuonnin, koulutuksen, näkymän, muokkauksen, viennin ja pikanäppäimet.

Lue käyttöopas | Lataa PDF-muodossa

---

Usein kysytyt kysymykset

Mitä laitteita tarvitsen?

Apple Silicon Mac (M1, M2, M3 tai M4), jossa on macOS 26 Tahoe tai uudempi. Intel Maceja ei tueta, koska Gaussian Splatting -koulutus vaatii Apple Siliconin metalligrafiikkasuorittimen laskentaominaisuudet.

Kuinka monta kuvaa minun tulee käyttää?

Saat parhaat tulokset käyttämällä 10–50 valokuvaa, jotka on otettu kohteen ympäriltä eri kulmista. Varmista, että peräkkäisten kuvien välillä on vähintään 60 % päällekkäisyyttä. Useammat kuvat tuottaa yleensä paremman laadun, mutta pidentää käsittelyaikaa.

Voinko käyttää videota valokuvien sijaan?

Kyllä. Pudota MP4- tai MOV-tiedosto sovellukseen, niin RadianceKit purkaa kehykset automaattisesti. Voit säätää näytteenottotiheyttä määrittääksesi kuinka monta kuvaa sekunnissa käytetään.

Kuinka kauan harjoittelu kestää?

Se riippuu kuvien määrästä, resoluutiosta ja laadun esiasetuksesta. Tasapainotettu esiasetus (20 000 iteraatiota) 30 kuvalle kestää yleensä 2–5 minuuttia M1 Prolla. Laadun esiasetus kestää noin kaksi kertaa niin kauan.

Mitä eroa on Classicin ja MCMC:n välillä?

Klassinen tiivistys käyttää alkuperäistä 3D Gaussian Splatting -paperin klooni/jako/leimaa -menetelmää. Se on nopeampi ja hyvin viritetty. MCMC (Markov Chain Monte Carlo) käyttää Stochastic Gradient Langevin Dynamicsia NeurIPS 2024 -paperista. Se tuottaa noin 70 % vähemmän Gaussia, jolloin tiedostokoko on pienempi, mutta sen harjoittaminen kestää kauemmin.

Kohtauksessani on kelluvia esineitä. Miten korjaan sen?

Käytä sisäänrakennettua Gaussian-editoria. Siirry muokkaustilaan painamalla sarkainta, maalaa ja valitse esineet siveltimellä ja poista ne painamalla Delete-näppäintä. Voit kumota painamalla Cmd+Z.

---

Ilmoita virheestä

Liitä mukaan

• Kuvaus ongelmasta
• Vaiheet sen kopioimiseksi
• MacOS-versiosi ja Mac-mallisi
• Käyttämiesi kuvien määrä tai videon pituus

---

Pyydä ominaisuus

Kuvaile, mitä haluaisit RadianceKit:n tekevän ja miten käyttäisit sitä.

---

Ota yhteyttä

Jos sinulla on muita kysymyksiä, ota yhteyttä osoitteeseen info@kindler-dev.de.