第7章 — 内蔵品質プリセット

場所

Inspector → プリセットセクション → 「Classic」グループ → 「Quick」項目。UUID 接尾辞 …001。

技術詳細

1 000 反復、クラシック (適応的) Densification 戦略、トレーニング 解像度スケーリング 0.25× (入力画像はトレーニング前に 25 % に縮小) を使用する 診断用プリセット。シーンを納品するためのものではなく、セットアップ (カメラポーズ、 点群、画像シーケンス) が Loss 値に意味のある動きをもたらすかどうかを素早く確認する ためのものです。M3 Ultra では 50〜200 枚の画像で通常 30 秒未満。低解像度では 実際の画像品質はわかりませんが、メモリ消費とレンダリング負荷は非常に低く保たれます。 システムの RAM が 10 GB 未満の場合、初回起動時に自動的にデフォルトとして 選択されます。

場所

Inspector → プリセットセクション → 「Classic」グループ → 「Preview」項目。UUID 接尾辞 …002。

技術詳細

5 000 反復の Classic Densification、0.5× 解像度スケーリング、 標準に対して 2 倍の学習率。Densification (クローン + 分割) は最初の 2 500 反復で アクティブで、その後は Pruning のみです。RAM ≥ 10 GB のシステム用デフォルト プリセット。M3 Ultra では 200 枚の画像シーンで通常 90 秒〜3 分。形状とカメラ ポーズの使える印象を提供しますが、テクスチャは目に見えてぼやけます — 0.5× レンダリング解像度は、後で P3 や P4 で再トレーニングしても直接回避できません。 なぜなら学習率が半解像度に合わせて調整されているからです。

場所

Inspector → プリセットセクション → 「Classic」グループ → 「Balanced」項目。UUID 接尾辞 …005。

技術詳細

フル画像解像度で 20 000 反復の Classic Densification。 Densification は最初の 15 000 反復で実行され、Iter 3 000 から Densify 間隔 100 で 実行されます。記録されたトレーニングセッションでの経験的「スイートスポット」: Horse Full と Truck でのクラシック Densification では、L1 Loss は Iter 18 000〜 22 000 で安定し、より長いトレーニングは Quality (P4) 未満で大きな改善をもたらしません。 M3 Ultra では 200 枚の画像で通常 30〜60 秒、1 000+ 枚の画像で 5〜8 分。

場所

Inspector → プリセットセクション → 「Classic」グループ → 「Quality」項目。UUID 接尾辞 …003。

技術詳細

V546「Opacity Decay」(HTGS、Eurographics 2025) を使用した 35 000 反復の Classic Densification: 各 Densify サイクル後、すべての既存 Gaussian の Opacity に < 1.0 の係数が掛けられ、これにより非アクティブになった Gaussian が Pruning で確実に削除され、同じ反復数で従来の 35 000 反復より 14 % 良い L1 Loss を達成します。SSIM Loss が有効化されています (ssimWeight=0.05)。M3 Ultra では 200 枚の画像で通常 2〜4 分。NeRF-Blender (Lego、Chair、Drums) で最終 L1 ≈ 0.023 を提供 — 560+ の記録済み実験で 最高の Classic バリアント。注意: 約 3〜5 GB の GPU メモリが必要。8GB システムでは P3 が安全な選択です。

場所

Inspector → プリセットセクション → 「MCMC」グループ → 「Preview」項目。UUID 接尾辞 …006。

技術詳細

60 000 反復の MCMC Densification (3DGS-MCMC、NeurIPS 2024)、 Gaussian 上限 100 000。MCMC はヒューリスティックなクローン/分割ロジックを マルコフ連鎖モンテカルロ再配置に置き換えます: 死んだ Gaussian は Sigmoid 重み付き サンプリング深度を介して再配置され、制御された再現可能な数の Gaussian が 得られます。上限は最大数を 100K で強くキャップします — これによりメモリと レンダリング時間が節約されますが、細部が失われます。M3 Ultra では 200 枚の画像で 通常 5〜8 分。「MCMC 機能テスト」として適しています — Classic から MCMC への 切り替えが意味があるかを判断するのに役立ちます。P6 や P7 に時間を投資する前に。

場所

Inspector → プリセットセクション → 「MCMC」グループ → 「Balanced」項目。UUID 接尾辞 …007。

技術詳細

120 000 反復の MCMC、Gaussian 上限 150 000。中間 MCMC レベル — P7 Quality とほぼ同じ最終 Gaussian 数ですが、反復回数は 60 % のみ。記録された トレーニングセッションでは、Horse Full での L1 Loss は経験的に 0.026〜0.028 で、 P7 の 0.0246 と比較して約 7 % 高く、その代わり待ち時間は半分です。M3 Ultra では 200 枚の画像で通常 8〜15 分。実効的な Gaussian 上限を入力 SfM 点群の点密度に スケーリングする手法を使用します (第 6 章 T75 参照)。

場所

Inspector → プリセットセクション → 「MCMC」グループ → 「Quality」項目。UUID 接尾辞 …004。

技術詳細

200 000 反復の MCMC、Gaussian 上限 150 000、SSIM Loss 0.05、 反復の 80 % にわたる MCMC ノイズ減衰。560+ 実験での最良単独実行 L1: Horse Full で 0.0238、3 試行平均で 0.0246 (同じシーンで P4 0.0230 に対して)。 MCMC は 71 % 少ない Gaussian (150K 対 約 524K) を提供します — これは、結果を ウェブで配信したい場合に決定的です。なぜなら、より小さな雲は大幅に小さい エクスポートファイルを生成するからです。M3 Ultra でのトレーニング時間は 200 枚の画像で通常 20〜35 分。1 000+ 枚の画像セットでは 1〜2 時間程度。 最小の最終サイズで最大の画像品質が必要な場合の最良の選択。

場所

Inspector → プリセットセクション → 「Scene-Class」グループ → 「Render (3D)」項目。UUID 接尾辞 …700。

技術詳細

画像合成 / CGI 風のシーン用 Scene-Class プリセット (NeRF-Blender、Mip-NeRF 360 Flowers、Blender でレンダリングされたテストセット)。 Q7 BayesOpt スイープ (Flowers の Trial T10、Seed 7、Budget 20) で次が決定: mcmcMaxGaussians=1 189 511、mcmcCapMultiplier=2.98、 ssimWeight=0.051、densifyGradThreshold=3.34e-06、 mcmcNoiseScale=5.61e-05。Quality MCMC ベースラインに対して PSNR Δ +0.36 dB (17.67 → 18.03)。Mip-Splatting は意図的にオフ (Q1.5「closed no-win」評決 2026-05-25)、Sky-Dome も同様にオフ (合成シーンには本物の空がない)。主要なレバーは 8 倍大きい Gaussian 上限です — クリーンなアルファと密なテクスチャを持つ合成シーンは、より高い密度に強く反応します。 200 枚の画像でのトレーニング時間は P7 と同程度。

場所

Inspector → プリセットセクション → 「Scene-Class」グループ → 「Outdoor (tuned)」項目。UUID 接尾辞 …701。

技術詳細

本物の空と大きな奥行き範囲を持つ屋外撮影用の Scene-Class プリセット (Mip-NeRF 360 Bicycle/Garden、ETH3D Tunnel、ドローン飛行)。 Q7 BayesOpt スイープ (Bicycle の Trial T0、Seed 7、Budget 10) で次が決定: mcmcMaxGaussians=1 250 744、mcmcCapMultiplier=5.32、 ssimWeight=0.082、skyDomeRadiusMultiplier=59.0。Quality MCMC に対して PSNR Δ +1.40 dB (21.66 → 23.06) — 有効な 9 つの bicycle 試行すべてが +1.0 dB の閾値を突破しました。屋外シーンは、より高い Gaussian 予算 (スケールされた奥行き範囲) と V549e Sky-Dome (シーンの周りに球面投影された 空のピクセル) に非常に強く反応します。Cap-Multiplier 5.32 は、MCMC 再配置が 遠方画像領域でより積極的にサンプリングできるようにします。Mip-Splatting は 意図的にオフ (Q1.5 評決: 屋外では PSNR を犠牲にすることさえあります)。UI で 接尾辞「(tuned)」付き推奨 — チューニングされていない Indoor 対応と比較して、 品質ジャンプは 4 倍以上大きいです。

場所

Inspector → プリセットセクション → 「Scene-Class」グループ → 「Indoor」項目。UUID 接尾辞 …702。

技術詳細

室内用 Scene-Class プリセット (Mip-NeRF 360 Bonsai/Kitchen/Room、 Deep Blending playroom/drjohnson、ETH3D Storage Room)。 Q7 BayesOpt スイープ (Bonsai の Trial T6、Seed 7、Budget 8) で次が決定: mcmcMaxGaussians=669 215、mcmcCapMultiplier=1.76、 densifyGradThreshold=1.67e-06、pruneOpacityThreshold=0.0142、 ssimWeight=0.171。Quality MCMC に対して PSNR Δ +0.33 dB (29.63 → 29.96)。8 試行中 3 試行が +0.2 dB 閾値を突破、8/8 が有効 (mtime ストールガードのおかげでストールなし)。室内は屋外の約半分の強さで反応 — Δ +0.33 対 +1.40 dB — Gaussian 予算は約半分 (670K 対 1.25M)。理由: 壁で制限された形状はより早く飽和し、より多くの Gaussian が平らな壁面で 無駄になります。Cap-Multiplier 1.76 は、MCMC 崩壊 (v1.4.3 からの現象) を避けるため 意図的に保守的に選ばれています。Sky-Dome と Mip-Splatting はどちらもオフ。