Hoofdstuk 7 — Ingebouwde kwaliteitsvoorinstellingen

WAAR

Inspector → Voorinstellingen-sectie → Groep „Classic" → Item „Quick". UUID-suffix …001.

TECHNISCH

Diagnose-voorinstelling met 1.000 iteraties, klassieke (adaptieve) densification-strategie en een trainings-resolutieschaal van 0,25× (invoerbeeld wordt vóór de training tot 25% verkleind). Niet bedoeld voor het uitleveren van een scène, maar om snel vast te stellen of de setup (cameraposes, puntenwolk, beeldreeks) überhaupt zinvolle beweging in de losswaarden laat zien. Op een M3 Ultra typisch onder de 30 seconden op 50–200 beelden. De kleine resolutie verhult echte beeldkwaliteit, maar houdt geheugengebruik en renderkosten zeer laag. Wordt ook automatisch als standaard gekozen bij de eerste start, als het systeem minder dan 10 GB RAM heeft.

WAAR

Inspector → Voorinstellingen-sectie → Groep „Classic" → Item „Preview". UUID-suffix …002.

TECHNISCH

5.000 iteraties Classic-densification, 0,5× resolutieschaal, dubbele leerratio's ten opzichte van de standaard. Densification (klonen + splitsen) is gedurende de eerste 2.500 iteraties actief, daarna alleen nog pruning. Standaardvoorinstelling voor systemen met ≥ 10 GB RAM. Op een M3 Ultra typisch 90 seconden tot 3 minuten voor een 200-beeldsscène. Levert een bruikbare indruk van de geometrie en de camera-pose, maar texturen zijn zichtbaar zachter — de 0,5× render-resolutie kan daarna niet direct worden omzeild door opnieuw te trainen met P3 of P4, omdat de leerratio's passend bij de halve resolutie zijn gekalibreerd.

WAAR

Inspector → Voorinstellingen-sectie → Groep „Classic" → Item „Balanced". UUID-suffix …005.

TECHNISCH

20.000 iteraties Classic-densification op volle beeldresolutie. Densification loopt over de eerste 15.000 iteraties, vanaf iter 3.000 met een densify-interval van 100. Empirisch de „sweet spot" uit de gedocumenteerde trainingssessies: bij klassieke densification op Horse Full en Truck stabiliseert de L1-loss zich tussen iter 18.000 en 22.000, een langere training brengt onder Quality (P4) geen significante verbetering meer. Op een M3 Ultra typisch 30–60 seconden op 200 beelden, 5–8 minuten op 1.000+ beelden.

WAAR

Inspector → Voorinstellingen-sectie → Groep „Classic" → Item „Quality". UUID-suffix …003.

TECHNISCH

35.000 iteraties Classic-densification met V546-„Opacity Decay" (HTGS, Eurographics 2025): na elke densify-cyclus vermenigvuldigt de opacity van alle bestaande Gaussians zich met een factor < 1,0, wat inactief geworden Gaussians bij het pruning betrouwbaar verwijdert en daarmee bij identiek iter-aantal 14% betere L1-loss dan de klassieke 35.000-run bereikt. SSIM-loss is geactiveerd (ssimWeight=0.05). Op een M3 Ultra typisch 2–4 minuten op 200 beelden. Levert op NeRF-Blender (Lego, Chair, Drums) finale L1 ≈ 0,023 — beste Classic-variant in de 560+ gedocumenteerde experimenten. Let op: heeft ~3–5 GB GPU-geheugen nodig; op 8 GB-systemen is P3 de veilige keuze.

WAAR

Inspector → Voorinstellingen-sectie → Groep „MCMC" → Item „Preview". UUID-suffix …006.

TECHNISCH

60.000 iteraties MCMC-densification (3DGS-MCMC, NeurIPS 2024) met een cap van 100.000 Gaussians. MCMC vervangt de heuristische clone/split-logica door Markov-Chain-Monte-Carlo-relocatie: dode Gaussians worden via sigmoid-gewogen sampling-diepten opnieuw geplaatst, wat een gecontroleerd en reproduceerbaar aantal Gaussians oplevert. De cap dekt het maximale aantal hard bij 100K — dat spaart geheugen en rendertijd, maar kost detail. Op een M3 Ultra typisch 5–8 minuten op 200 beelden. Geschikt als „MCMC-functietest" — helpt te beoordelen of een overstap van Classic naar MCMC zinvol is, voordat je in P6 of P7 meer tijd investeert.

WAAR

Inspector → Voorinstellingen-sectie → Groep „MCMC" → Item „Balanced". UUID-suffix …007.

TECHNISCH

120.000 iteraties MCMC met een cap van 150.000 Gaussians. De middelste MCMC-trap — bijna het finale Gaussian-aantal van P7 Quality, maar slechts 60% van de iteraties. Empirisch ligt de L1-loss in de gedocumenteerde trainingssessies bij 0,026–0,028 op Horse Full, tegenover P7 met 0,0246 — dus circa 7% hoger, maar wel halve wachttijd. Op een M3 Ultra typisch 8–15 minuten op 200 beelden. Gebruikt een methode die de effectieve Gaussian-cap schaalt op de puntendichtheid van de invoer-SfM-puntenwolk (zie T75 in hoofdstuk 6).

WAAR

Inspector → Voorinstellingen-sectie → Groep „MCMC" → Item „Quality". UUID-suffix …004.

TECHNISCH

200.000 iteraties MCMC met een cap van 150.000 Gaussians, SSIM-loss 0,05, MCMC-noise-decay over 80% van de iteraties. Best-single-run-L1 in de 560+ experimenten: 0,0238 op Horse Full, gemiddeld over 3 trials 0,0246 (tegenover P4 0,0230 op dezelfde scène). MCMC levert daarbij 71% minder Gaussians (150K vs ~524K) — doorslaggevend als je het resultaat op het web wilt uitleveren, omdat de kleinere wolk duidelijk kleinere exportbestanden produceert. Trainingstijd op een M3 Ultra typisch 20–35 minuten op 200 beelden; op 1.000+ beelden-sets eerder 1–2 uur. Beste keuze als maximale beeldkwaliteit bij minimale eindgrootte gewenst is.

WAAR

Inspector → Voorinstellingen-sectie → Groep „Scene-Class" → Item „Render (3D)". UUID-suffix …700.

TECHNISCH

Scene-Class-voorinstelling voor beeldsynthetische / CGI-achtige scènes (NeRF-Blender, Mip-NeRF 360 Flowers, Blender-gerenderde testsets). Q7-BayesOpt-sweep (trial T10 op flowers, seed 7, budget 20) bepaalde: mcmcMaxGaussians=1 189 511, mcmcCapMultiplier=2.98, ssimWeight=0.051, densifyGradThreshold=3.34e-06, mcmcNoiseScale=5.61e-05. Δ +0,36 dB PSNR ten opzichte van de Quality-MCMC-baseline (17,67 → 18,03). Mip-Splatting is doelbewust uit (Q1.5-„closed no-win"-verdict 2026-05-25), Sky-Dome eveneens uit (synthetische scènes hebben geen echte lucht). De hoofdhefboom is de 8× grotere Gaussian-bovengrens — synthetische scènes met schone alpha en dichte texturen reageren sterk op hogere dichtheid. Trainingstijd op 200 beelden ongeveer zoals P7.

WAAR

Inspector → Voorinstellingen-sectie → Groep „Scene-Class" → Item „Outdoor (tuned)". UUID-suffix …701.

TECHNISCH

Scene-Class-voorinstelling voor buitenopnames met echte lucht en groot dieptebereik (Mip-NeRF 360 Bicycle/Garden, ETH3D-Tunnel, dronevluchten). Q7-BayesOpt-sweep (trial T0 op bicycle, seed 7, budget 10) bepaalde: mcmcMaxGaussians=1 250 744, mcmcCapMultiplier=5.32, ssimWeight=0.082, skyDomeRadiusMultiplier=59.0. Δ +1,40 dB PSNR ten opzichte van Quality-MCMC (21,66 → 23,06) — alle 9 geldige bicycle-trials braken de +1,0-dB-drempel. Outdoor-scènes reageren extreem sterk op hogere Gaussian-budgetten (geschaald dieptebereik) en op de V549e-Sky-Dome (sferisch geprojecteerde sky-pixels rond de scène). Cap-multiplier 5,32 staat de MCMC-relocatie toe om in verre beeldregio's agressiever te samplen. Mip-Splatting doelbewust uit (Q1.5-verdict: kost op outdoor zelfs PSNR). Aanbeveling in de UI met het suffix „(tuned)" — ten opzichte van het ongetunede indoor-evenbeeld is de kwaliteitssprong meer dan vier keer zo groot.

WAAR

Inspector → Voorinstellingen-sectie → Groep „Scene-Class" → Item „Indoor". UUID-suffix …702.

TECHNISCH

Scene-Class-voorinstelling voor binnenruimtes (Mip-NeRF 360 Bonsai/Kitchen/Room, Deep Blending playroom/drjohnson, ETH3D Storage Room). Q7-BayesOpt-sweep (trial T6 op bonsai, seed 7, budget 8) bepaalde: mcmcMaxGaussians=669 215, mcmcCapMultiplier=1.76, densifyGradThreshold=1.67e-06, pruneOpacityThreshold=0.0142, ssimWeight=0.171. Δ +0,33 dB PSNR ten opzichte van Quality-MCMC (29,63 → 29,96). 3/8 trials braken de +0,2-dB-drempel, 8/8 geldig (geen stall dankzij de mtime-stall-guard). Binnenruimtes reageren circa half zo sterk als outdoor — Δ +0,33 vs +1,40 dB — bij ongeveer de helft van het Gaussian-budget (670K vs 1,25M). De reden: door wanden begrensde geometrie verzadigt eerder; meer Gaussians worden op vlakke wandvlakken verspild. Cap-multiplier 1,76 is doelbewust conservatief gekozen, om MCMC-collapse (fenomeen uit v1.4.3) te vermijden. Sky-Dome en Mip-Splatting beide uit.