Ondersteuning

RadianceCap voor iPhone

RadianceCap begeleidt het vastleggen van sensorrijke scènes voor RadianceKit. Voor nieuwe opnames is een LiDAR-compatibele iPhone met iOS 17 of hoger vereist. Op apparaten zonder LiDAR kunt u nog steeds de scènebibliotheek openen om bestaande opnamen te bekijken en te delen.

Een scène blijft eerst op de iPhone. U kunt het overbrengen via Share, AirDrop of Files, of u kunt de optionele privé iCloud-synchronisatie inschakelen in Instellingen. 3D-training gebruikt RadianceKit op een ondersteunde Mac.

Open in RadianceCap Instellingen → Help → Vastleggids tonen voor de belangrijkste richtlijnen over beweging, overlap, het waarschuwingssymbool en privacy.

Gebruikershandleiding

De volledige gebruikershandleiding behandelt het importeren, trainen, de viewport, bewerken, exporteren en sneltoetsen.

Lees de gebruikershandleiding | Downloaden als PDF

---

Veelgestelde vragen

Welke hardware heb ik nodig?

Een Apple Silicon Mac (M1, M2, M3 of M4) met macOS 26 Tahoe of hoger. Intel Macs worden niet ondersteund omdat Gaussian Splatting-training de Metal GPU-rekenmogelijkheden van Apple Silicon vereist.

Hoeveel foto's moet ik gebruiken?

Gebruik voor de beste resultaten 10 tot 50 foto's die vanuit verschillende hoeken rond het object zijn gemaakt. Zorg voor minimaal 60% overlap tussen opeenvolgende afbeeldingen. Meer afbeeldingen leveren over het algemeen een betere kwaliteit op, maar verlengen de verwerkingstijd.

Kan ik video gebruiken in plaats van foto's?

Ja. Plaats een MP4- of MOV-bestand in de app en RadianceKit extraheert automatisch frames. U kunt de bemonsteringsdichtheid aanpassen om te bepalen hoeveel frames per seconde er worden gebruikt.

Hoe lang duurt de training?

Dit hangt af van het aantal afbeeldingen, de resolutie en de vooraf ingestelde kwaliteit. Een gebalanceerde voorinstelling (20.000 iteraties) op 30 afbeeldingen duurt doorgaans 2 tot 5 minuten op een M1 Pro. De voorinstelling Kwaliteit duurt ongeveer twee keer zo lang.

Wat is het verschil tussen Klassiek en MCMC?

Klassieke verdichting maakt gebruik van de originele kloon/split/prune-aanpak van het 3D Gaussian Splatting-papier. Het is sneller en goed afgestemd. MCMC (Markov Chain Monte Carlo) maakt gebruik van Stochastic Gradient Langevin Dynamics uit het NeurIPS 2024-papier. Het produceert grofweg 70% minder Gaussianen, wat resulteert in kleinere bestandsgroottes, maar het duurt langer om te trainen.

Mijn scène bevat zwevende artefacten. Hoe kan ik dat oplossen?

Gebruik de ingebouwde Gauss-editor. Druk op Tab om de bewerkingsmodus te openen, selecteer de artefacten met het penseel en druk op Delete om ze te verwijderen. Je kunt dit ongedaan maken met Cmd+Z.

---

Rapporteer een bug

Vermeld

• Een beschrijving van het probleem
• Stappen om het te reproduceren
• Uw macOS-versie en Mac-model
• Het aantal afbeeldingen of videolengte dat u hebt gebruikt

---

Een functie aanvragen

Beschrijf wat u wilt dat RadianceKit doet en hoe u het zou gebruiken.

---

Neem contact op met

Voor andere vragen kunt u contact opnemen met info@kindler-dev.de.