第2章 — Inspector (エキスパートビュー)

場所

Inspector → Presets セクション → Save…ボタン (下のアクションバー)。

技術詳細

テキストフィールドと Save/Cancel ボタンを持つポップオーバーを開きます。 現在の TrainingConfig 状態が新しいユーザー定義プリセットとして永続化されます (JSON エンコード、アプリ全体に保存)。Save 操作は、現在の Densification 戦略を 含む 81 のトレーニングパラメータすべてをコピーします。プリセットは、派生元の 組み込みプリセットに関係なく、自動的に Custom カテゴリに配置されます。空の名前と 純粋な空白入力は破棄されます。すでに存在する名前は拒否されません — 各プリセットには独自の内部 ID があり、重複名は技術的に許可されていますが、 実際には混乱を招きます。

場所

Save ポップオーバー → テキストフィールド「Preset Name」。

技術詳細

角丸境界線を持つシンプルなテキストフィールド、幅広い形状。値は Save ボタンクリック時にプリセット名として引き継がれます。UI には長さ制限は ありませんが、保存される名前は JSON エンコード可能で、UI リストで表示可能で ある必要があります — 絵文字とウムラウトは機能します。コンテンツは ポップオーバーが開かれるときに自動的に空の文字列にリセットされます。Save ボタンは、 トリム後にフィールドが空である限り無効です。自動候補もアクティブなプリセット名の 事前入力もありません。

場所

Save ポップオーバー → Cancel ボタン (左)。

技術詳細

保存せずにポップオーバーを閉じます。テキストフィールドのコンテンツを 破棄します — 次回開くと、Save…ボタンロジック (I1) で再び空にリセットされます。 標準ボタンスタイル、確認ダイアログなし、ホットキーなし。Save パスが実行 されなかったため、現在の TrainingConfig は変更されません。

場所

Save ポップオーバー → Save ボタン (右、目立つスタイル)。

技術詳細

実際の永続化をトリガーします。空でない名前を再度検証 (防御的チェック) してから、現在の TrainingConfig を JSON としてアプリストレージに書き込みます。 その後ポップオーバーを閉じます。青で強調表示され、テキストフィールドが空である 限りグレーアウトされます。保存が失敗した場合 (例えばアプリストレージが いっぱい — 非常にまれ)、現在表示されるエラーダイアログはありません。 プリセットは次回アプリ起動時に単に表示されなくなります。

場所

Inspector → Presets セクション → アクションバー → Export…ボタン。

技術詳細

現在選択されているプリセットを .radiancepreset ファイル (内部 JSON) として エクスポートします。プリセットが選択されていない場合は無効化されます。クリック すると、アプリは事前指定ファイル名 (プリセット名 + .radiancepreset 拡張子) を 持つ Save ダイアログを開きます。保存される形式には、完全な TrainingConfig と メタデータ (名前、カテゴリ、ID、組み込みフラグ) が含まれます。Finder で ダブルクリックするとアプリが開きますが、自動的にインポートは しません。 ユーザーは Import ボタン (I6) を使用する必要があります。

場所

Inspector → Presets セクション → アクションバー → Import…ボタン。

技術詳細

.radiancepreset ファイルのみを許可するファイルダイアログを開きます (複数選択無効)。選択時、JSON ファイルが読み込まれ、検証され、Custom カテゴリに 新しい内部 ID で挿入されます — 組み込みとの衝突を防ぐためです。インポートは、 エクスポートされたプリセットが元々組み込みであった場合でも、カテゴリを 自動的に Custom に設定します。破損したファイル、または古いスキーマバージョンと 互換性のないファイルは、エラーダイアログなしで暗黙的に拒否されます (ただし コンソールログには情報が表示されます)。

場所

Inspector → Presets セクション → 各カテゴリの各プリセット行。

技術詳細

プリセット行をクリックすると、TrainingConfig のすべてのフィールドが プリセットの値で置き換えられ、アクティブなプリセットの ID が記憶され、Modified ステータスがリセットされます。行の前のアクティブチェックマークは、プリセットが 選択されており、変更されていない場合にのみ表示されます。他の Inspector セクションの TrainingConfig の値 (スライダー、ステッパー、トグル) が変更されるとすぐに、 名前の後にオレンジの「Modified」バッジが表示されます。組み込みプリセットは 上書きできません — 変更の場合は Save ボタン (I1) で独自のコピーを作成する 必要があります。

場所

各プリセット行を右クリック → 最初のエントリ「Export…」。

技術詳細

I5 (Export…ボタン) と同じ機能ですが、より便利にアクセスできます — プリセットを事前に選択する必要はありません。行で直接クリックされたプリセットを エクスポートします。すべてのプリセットカテゴリ (組み込みまたは Custom) で 同じように機能し、制限はありません。エクスポートには組み込みフラグと元の カテゴリが含まれますが、再インポート時には I6 で説明したようにカテゴリは Custom にマッピングされます。

場所

各プリセット行を右クリック → 2 番目のエントリ「Duplicate」。

技術詳細

プリセットを Custom カテゴリに複製します。新しい内部 ID を生成し、 名前に「 Copy」を追加し、コピーを保存します。組み込みプリセットでも機能します — クローンは編集可能になります。オリジナルはそのままです。TrainingConfig は値ごとに コピーされ (JSON ラウンドトリップ)、オリジナルとコピー間に参照バインディングは 存在しません。

場所

独自プリセット行を右クリック → 最後のエントリ「Delete」 (赤、破壊的)。

技術詳細

Custom プリセットでのみ表示されます。組み込みは削除できません。 エントリは破壊的とマークされ、コンテキストメニューに赤で表示され、誤って クリックしないように区切り線の後に配置されています。確認ダイアログは ありません — クリックでプリセットがすぐに削除されます。削除された プリセットは復元できません (Cmd-Z はここでは機能しません — 現在のビルドでは Undo は画像リストでのみ機能し、プリセット操作では機能しません)。削除された プリセットが現在アクティブだった場合、現在の TrainingConfig は変更されず、 アクティブなプリセット選択のみがクリアされます。

場所

Inspector → Presets セクション → 各カテゴリヘッダー (Classic、MCMC、SceneClass、Custom)。

技術詳細

異なるデフォルトを持つカテゴリごとの折りたたみ状態: Classic は 展開 で開始し、MCMC、SceneClass、Custom は 折りたたみ で 開始します。状態は永続化されません — アプリ再起動時にすべてのカテゴリは デフォルト状態に戻ります。Chevron 矢印はアニメーション付きで回転します。 ヘッダーの右側の数字は、このカテゴリのプリセットの数を示します。クリック ヒット領域はヘッダー全体に及びます。

場所

Inspector → トレーニング構成 → Camera Alignment (上部のセグメンテッドピッカー)。

技術詳細

2 つのオプションを持つセグメンテッドピッカー: Apple Photogrammetry と Native (Beta)。選択は次のカメラ再構築で使用される SfM バックエンドを決定します。 同時に、他のどの Inspector 要素が表示されるかにも影響します: Native は、EXIF の ないビデオフレームでのみ必要な FOV オーバーライド (I13) を追加で表示します。 ヒント: 非常に大きな屋外撮影では、外部ツール (Metashape または COLMAP) の結果を Workspace インポート経由で読み込めます — 第 1 章 (M5) と第 9 章 (Q3、Q6) 参照。

場所

Inspector → トレーニング構成 → FOV Override (Camera Alignment = Native の場合にのみ表示)。

技術詳細

数値テキストフィールド (Range 0-170°)、デフォルト 0 = EXIF または ヒューリスティックからの自動決定。手動入力は、焦点距離メタデータを含まない ビデオから抽出された入力画像の場合に必要です。典型値: iPhone Wide ≈ 73°、 DJI Mavic Wide-Crop ≈ 70°、フルフォーマットセンサー付きドローン ≈ 84°。値は [0, 170] にクランプされます — 範囲外の値は直接戻されます。ネイティブ SfM パイプライン (Q4/Q5) のみに影響します。Apple Photogrammetry はこの値を完全に 無視します。

場所

Inspector → トレーニング構成 → Densification (セグメンテッドピッカー、常に表示)。

技術詳細

2 つの Densification 戦略間で切り替えます: Classic (オリジナル 3DGS プロシージャ、Clone/Split/Prune と勾配閾値付き) と MCMC (Stochastic Gradient Langevin Dynamics with Relocation、NeurIPS 2024)。Classic から MCMC への切り替え時、 アプリは MCMC 固有のフィールドを自動的にテスト済みのデフォルト値 (Reg-Weights = 0、 MCMC-Cap-Multiplier 3.0、Sample/Noise スケジュール) に設定します。この自動初期化なし では、古いプリセットのセッションが 1.4.4 MCMC-Collapse バグ (460K → 5 Gaussian、 ウォッチドッグキル) に苦しみました。ピッカーの選択は、表示される Inspector 要素も 追加で決定します — MCMC では I16/I17 が表示されます。詳細なフィールド効果は 第 6 章 T11〜T16 (Classic) と T61〜T73 (MCMC)。

場所

Inspector → トレーニング構成 → MCMC Quality (Densification = MCMC の場合のみ)。

技術詳細

勾配累積を 2 ステップ (アクティブ) または 1 ステップ (非アクティブ) に 切り替えます。Optimizer ステップが実行される前に、連続する 2 つのカメラビューからの 勾配を累積します。経験的に (Session 33、V544a)、最終 L1 エラーが約 6% 減少します (Horse-Full-MCMC の 3 試行平均で Quality 付き 0.0246 vs Quality なし 0.0261)。 コスト: 倍のトレーニング時間。非常に長いトレーニング (200K 反復) では、これにより 10+ 分の追加待ち時間が発生します — 最後の数パーセントの品質が本当に必要な場合に のみ価値があります。トレーニングのみに影響し、エクスポート形式や Viewport 表示には 影響しません。

場所

Inspector → トレーニング構成 → Auto-scale by scene (MCMC の場合のみ)。

技術詳細

アクティブな場合、実効最大 Gaussian 上限は SfM 初期点数 × MCMC-Cap Multiplier (デフォルト 3.0) でスケーリングされます。例: SfM は 250K 初期点を 提供し、基本上限 = 150K、Multiplier 3.0 → 実効上限 = max(150K、750K) = 750K。 非アクティブの場合、基本のみが厳密に適用されます。1000 フレーム以上で対応する高い SfM 点密度を持つ大規模な屋外撮影が、固定 150K キャップデフォルトで Densification を 飢えさせていたため、v1.4.5 で導入されました — 余分な点が残り、新しい点は発生 できませんでした。Custom プリセットでデフォルト OFF、MCMC 組み込みで ON。 トレーニング時にのみ影響し、エクスポートには影響しません。

場所

Inspector → トレーニング構成 → GroupBox → Max Iterations。

技術詳細

Range 1 000〜100 000、ステップ幅 1 000 のステッパー。Optimizer 反復の 総数を決定します。トレーニング時間と線形に相関 (半減 = 約 50% 時間)。経験的 スイートスポット: 20K (Classic Balanced、L1≈0.028)、40K (Classic Quality、 L1≈0.023)、200K (MCMC Full、L1≈0.0246)。40K を超える Classic は平均してほとんど 改善をもたらしません — 収益逓減。変更時、Link 機能 (I19) がアクティブな場合、 Densify Until が比例して引き寄せられます (デフォルト比: 0.5、つまり Densify-Until = Max/2)。

場所

Inspector → トレーニング構成 → GroupBox → Max Iterations と Densify Until の間の小さな Link ボタン。

技術詳細

Densify Until と Max Iterations の比率を固定するトグルボタン。アクティブ (Link アイコンが強調表示) では、Max Iterations の変更ごとに Densify Until が 比例して引き寄せられます。Unlink (Link-Plus アイコン) では、値は独立したままです。 これが典型的な相関を反映するため、デフォルトはリンクされています — 反復を倍に すると、通常 Densification も比例して長く実行したいです。比率は Link ボタンの 設定時に現在の値から計算されます。典型的な比率は 0.5 (Densify-Until = 反復数の半分) です。

場所

Inspector → トレーニング構成 → GroupBox → Densify Until。

技術詳細

Range 500〜50 000、ステップ幅 500 のステッパー。Clone/Split (Classic) や Relocation (MCMC) を介して新しい Gaussian が追加されなくなる反復インデックスを 決定します。到達後、位置と色のみが洗練されます。高い値 = より多くの Gaussian = より大きなファイル、長い反復あたりの時間 (ステップあたり +30〜60% GPU 時間)。 典型値: 15K (30K Max-Iter の場合)、20K (40K の場合)、100K (200K MCMC の場合)。 アクティブな Link (I19) では自動的にスケーリングされます。Classic vs MCMC で 異なる効果: Classic は成長を完全に停止し、MCMC は Relocation ロジックを停止 しますが、Sample/Noise 適応は続行されます。

場所

Inspector → トレーニング構成 → GroupBox → SSIM Weight。

技術詳細

スライダー 0.0〜1.0、0.05 ステップ、「0.20」として表示。L1 Loss (0.0) と SSIM Loss (1.0) をミックスします。L1 はピクセルごとの明るさを引き締め、SSIM は 構造的類似性 (エッジ、ローカル統計) を引き締めます。デフォルト 0.2 はオリジナル 3DGS 論文 (Kerbl 2023) の値で、多くのセッションで堅牢な妥協点としてリバース エンジニアリングされました。高い値 (0.5+) は詳細保持を優先しますが、ローカルの 明るさエラーを無視する可能性があります。低い値 (< 0.1) は鋭いエッジでの詳細 損失を引き起こします。SSIM 計算はシェーダーで 11×11 ガウシアンウィンドウで実行 されます。パフォーマンス: 0.0 (L1 のみ) では、SSIM 計算がシェーダーでスキップ されるため、トレーニングは約 8〜12% 高速になります。

場所

Inspector → トレーニング構成 → GroupBox → Render Scale。

技術詳細

スライダー 0.25〜1.0、0.25 ステップ、「100%」として表示。ソース画像 サイズに対するトレーニングレンダリング解像度をスケーリングします。パフォーマンス への最大のレバー: 50% は GPU 時間を約 75% 削減し (ピクセルが 4 倍少ないため)、 25% は約 94% 削減します。Gradient Threshold は自動的にスケーリングされます。 スライダーの下に、ライブ解像度表示が MP で表示されます (例えば 「2304×1296 (3.0 MP)」)。現在の値が推奨値から逸脱している場合、オレンジの文字で 「— recommended: 50%」が表示されます。推奨は ~3 MP の実効解像度を目指します — Apple Silicon GPU が最も効率的に処理できる領域です。例えば、4K ソース画像には 自動的に 25% が推奨され、FullHD 画像には 100% が推奨されます。変更により Buffer の 再割り当てもトリガーされます。

場所

Inspector → Enhancements → Post-Training Compactification。

技術詳細

V443 ポスト処理を有効化します: トレーニング反復完了後、Opacity が 0.01 (1% 可視性) 未満の Gaussian は削除されます。経験的に、ファイルサイズが ~55-58% 削減され、視覚的品質損失はゼロです — これらの Gaussian は視覚的にとにかく寄与 しないからです。Compactification は GPU Compact パスとして実行され、Gaussian カウントに 応じて秒の何分の 1 か、または数秒かかります。トレーニングパフォーマンスには 影響しません。このトグルがオフの場合、非表示の Gaussian もエクスポートされます — 形式を別のトレーニングステージ (Continue Training) で使用したい場合にのみ関連します。 そうでなければストレージの無駄です。

場所

Inspector → Enhancements → MetalFX Spatial Upscaling。

技術詳細

Viewport レンダラーで Apple の MetalFX Spatial Upscaler を有効化します。 トレーニング解像度 (I22 Render Scale 経由) がビューポートサイズより低い場合、 MetalFX はレンダリングされたフレームを ML ベースで表示サイズにスケーリングします。 ML Upscaler モデルが鋭いエッジ用に最適化されているため、すべてのスケーリングオプションの 中で最も鋭い結果を提供します。レンダラーパイプラインは切り替え時にライブで再構成 されます — 再起動なしですぐに表示されます。MPS Lanczos (I28) より優先されます: 両方がアクティブな場合、MetalFX が勝ちます。M3 GPU でフレームあたり約 1〜2 ms の パフォーマンスオーバーヘッド。ライブビューポートにのみ影響し、レンダリングされた エクスポート (Orbit ビデオ、スクリーンショット) には影響しません — これらは フルソース解像度でレンダリングされます。

場所

Inspector → Enhancements → MPS Lanczos Scaling。

技術詳細

Apple の Metal Performance Shaders を Lanczos リサンプリングとともに Viewport Upscaler として有効化します。Lanczos は 8 タップ Sinc フィルターを持つ 古典的なリサンプリング — Bilinear より鋭く、ML なしの古典的なアルゴリズム。 レンダラーパイプラインは切り替え時にライブで再構成されます。MetalFX (I27) も アクティブな場合、無視されます。最小オーバーヘッド (フレームあたり <0.5ms) ですが、 品質は MetalFX を下回ります。アプリケーション: MetalFX がアーティファクトを生成する シーンのフォールバック (例えば、ML Upscaler が時々「平滑化」する強力な線構造)。 I27 と同様にライブビューポートにのみ影響し、エクスポートには影響しません。

場所

Inspector → Enhancements → Perceptual Loss。

技術詳細

スライダー 0.0〜0.2、0.01 ステップ、0.0 で「Off」として表示、それ以外は 「0.05」などとして表示。レンダリングのマルチスケールガウシアンブラーを Ground Truth 画像と比較する追加の Loss 項を有効化します (3 ブラースケール)。L1+SSIM だけでは 認識できない構造的差異をキャプチャします。V460 実装。経験的に、0.05〜0.1 の値は セッションで L1 スコアを数パーセント改善しますが、~5% のトレーニング時間 (ブラー カーネルを通る追加の順方向パス) を消費します。0.15 を超えると、トレーニングが 不安定になり、L1 が再び悪化します (Loss 項が最適化を支配)。「Enhancements」 セクション内の位置にもかかわらず、トレーニング 中 に効果があり、 後処理では効きません — 純粋な事後アップグレードではありません。

場所

Inspector → メトリック → Iteration。読み取り専用。

技術詳細

「4523 / 40000」形式の表示 — 計画された総反復に対する現在の反復。 値を ~30 反復ごとにプッシュするトレーニングループと同期してカウントします。 2 番目の数字は、開始時の Max-Iterations 値に対応します。ユーザーが後でステッパーを 調整しても変更されません — 実行中の実行は独自のスナップショットコピーを使用 します。アプリが Training メニュー経由で反復を追加する場合 (Continue Training +5K/+10K/+20K)、分母が増加します。

場所

Inspector → メトリック → Loss。読み取り専用。

技術詳細

小数点以下 6 桁の Float 値 (例えば「0.024385」)。結合 L1+SSIM Loss (I21 SSIM Weight で制御されるミックス) と、オプションで Perceptual Loss (I29) と 他の正則化を測定します。スケールは絶対的ではなく、シーン依存 — ほとんどの比較に 同じデータセットが必要です。良好な構成での典型的な終値: - Classic Quality 40K 反復: 0.022〜0.025 (Horse、Truck、Garden) - MCMC Full 200K 反復: 0.024〜0.028 - Outdoor ドローン 30K: 0.030〜0.060 (幾何学的理由で悪い) - Indoor アパート: 0.018〜0.025

5K 反復後の 0.10 を超える値は SfM 問題 (悪いカメラポーズ) を示します — 中止して SfM を再計算してください。

場所

Inspector → メトリック → Learning Rate。読み取り専用。

技術詳細

科学表記表示 (例えば「1.60e-04」)。Position パラメータの現在の学習率 (3DGS には Position、SH-DC、SH-Rest、Opacity、Scale、Rotation の 6 つの独立した LR があります — ここでは代表値として Position LR が表示されます)。デフォルトの 開始値 1.6e-4 で、Exponential Decay を介してトレーニング終了時に ~1.6e-6 まで 減少します。減衰はトレーニング構成の LR-Schedule フィールド (第 6 章の T フィールド) で 調整可能です。LR が異常に高いままの場合 (例えば 10K 反復後の 1e-3 以上)、これは 誤って読み込まれた構成を示す可能性があります。

場所

Inspector → メトリック → SH Degree。読み取り専用。

技術詳細

0〜3 の整数。色表現の球面調和次数。0 (DC コンポーネントのみ、つまり Gaussian ごとに方向に依存しない色 — 単一の RGB 定数) で開始し、トレーニング中に 段階的に 3 まで上昇します。標準スケジュールは、1000/2000/3000 反復で次数を 1 ずつ 上げます。SH-3 は Gaussian あたり 48 の色係数 (3 RGB チャンネル × 16 SH 基底関数) に 対応します。より高い SH 次数 = より多くの方向依存反射 (光沢のある表面が異なる 視点から正しく異なる外観) ですが、より多くのメモリと遅いトレーニング。

場所

Inspector → メトリック → Gaussians。読み取り専用。

技術詳細

モデル内の Gaussian の現在の数、ロケール区切り文字でフォーマット (例えば「524.318」)。成長: - Classic: SfM 初期点 (通常 50K-300K) で開始し、 Densify Until 直前まで Clone/Split を通じて成長し、その後トレーニング終了まで 静的 (Pruning を除く) - MCMC: Sample 点が MCMC キャップまで追加され、その後 Relocation のみ

健全な終値: - Classic Quality: 400K-700K (Horse 524K、Garden 800K) - MCMC Full: キャップで正確に (デフォルト 150K、Auto-Scale Multiplier × SfM-Count でシーンに 応じて 500K-1.5M)

MCMC で数がキャップの < 60% まで落ちる → 異常 (Collapse インジケータ、過度に 積極的な正則化を示唆)。

場所

Inspector → メトリック → GPU Memory。読み取り専用。

技術詳細

Gaussian バッファメモリ消費量の推定値、Gaussian カウント × 616 バイト (Memory スタイルでフォーマット) として。616 バイトは、完全装備の Gaussian (位置、 スケーリング、回転、Opacity、SH 係数次数 3、Gradient Accumulator) の経験的サイズです。 表示にはレンダラーのオーバーヘッド (Tile バッファ、Sort バッファ、Backward バッファ) は 含まれません — 実際の GPU メモリ需要は通常この値の 2-3 倍です。500K Gaussian で: 表示 ~290 MB、実際 ~700 MB。1.5M Gaussian で: 表示 ~880 MB、実際 ~2.5 GB。M3 Max では 64+ GB Unified Memory で問題ありませんが、M3 Pro では 18 GB で すでに制限です。

場所

Inspector → メトリック → Speed。読み取り専用。

技術詳細

小数点以下 1 桁の秒あたり反復 (「24.3 it/s」)。直近 ~100 反復にわたる 移動平均としてトレーナーによって計算されます。典型値: - Quick プリセット (1K 反復): 80-120 it/s (短く、定常状態なし) - Classic 20K @ 1.0 Render Scale (Truck シーン、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 (Relocation のため遅い) - 1M+ Gaussian とフル解像度で: < 10 it/s

トレーニング中の Speed の減少は正常です — より多くの Gaussian = 反復あたりより 多くの計算。突然の落ち込み (例えば 30 → 5 it/s) は GPU 熱スロットリングまたは 競合アプリを示します。

場所

Inspector → メトリック → Elapsed。読み取り専用。

技術詳細

「4:23」(m:ss) または「1:23:45」(h:mm:ss) としての経過時間。1 時間から 形式が切り替わります。純粋なトレーニング時間のみを測定し、前置段階 (SfM 計算、 画像インポート) は含まれません。Pause/Resume では時計が続行されます — つまり Wall-Clock であり、CPU 時間ではありません。

場所

Inspector → メトリック → ETA。読み取り専用。

技術詳細

「17:42」または「1:12:35」としての推定残り時間。計算: (Max Iterations − 現在の反復) / 秒あたりの反復。Speed がちょうどゼロの場合 (最初または Pause) は 「–」を表示します。推定は、トレーニング終了に向けた典型的な減速に 適応されません — 特に MCMC と Densify-Until 値の大きい Classic では、 より多くの Gaussian が画像に入るため、トレーニングは遅くなる傾向があります。実際には、 通常初期 ETA より 10-20% 上に留まります。

場所

Inspector → Loss チャート → 左ラベル領域「Current: 0.0287」。 読み取り専用。

技術詳細

最後の Loss サンプルポイントの Float 値、小数点以下 4 桁でフォーマット。 I31 (Metrics セクションの Loss) と同じ、ここではよりコンパクトにフォーマット されているだけ。ソースは Loss History — ~30 反復ごとに 1 エントリを取得する リスト。有限値のみがリストに追加されます — NaN/Infinity (非常にまれ、 Gradient-Explosion バグの場合) はフィルタリングされます。

場所

Inspector → Loss チャート → 右ラベル領域「Min: 0.0245」(緑)。 読み取り専用。

技術詳細

現在のトレーニング実行のこれまでに見られたすべての Loss 値の最小値。 Loss History からライブで再計算されます — 別の永続性なし。緑のフォントで表示 されます。「Min」=「これまでで最高」だからです。チャート下部の緑の破線は、この Y 位置を視覚的にマークします。Continue Training セッションでは、最小追跡が新規 開始されます — 古い履歴は UI で新しいものに置き換えられます (追加されません)。 現在のトレーニングが前のものより悪く実行されている場合、Min 表示は前の最終結果 よりも大きい可能性があります。

場所

Inspector → Loss チャート → その下の 2 番目のチャート (オレンジ)。 読み取り専用。

技術詳細

トレーニング反復にわたる Gaussian カウントの線グラフ。ソース: Gaussian Count 履歴 (トレーナーから ~30 反復ごとに埋められる (Iter、Count) ペアのリスト)。 Y スケールは履歴の最小値と最大値の間で動的。Classic 戦略では、曲線は通常次のように 見えます: Densify Until まで安定的に上昇、その後フラット (小さな Pruning 変動付き)。 MCMC では: キャップまでの急上昇、その後水平線 (Relocation が数を一定に保つ)。 アクティブなトレーニングにもかかわらず曲線が 落ちる 場合、Densification が 過度に積極的に Pruning しています — 誤ったデフォルトまたは既知の MCMC-Collapse バグ (v1.4.4 ホットフィックステーマ) の指標。