Rozdział 2 — Inspector (Expert View)

GDZIE

Inspector → sekcja Presets → przycisk Save... (pasek akcji na dole).

TECHNICZNIE

Otwiera popover z polem tekstowym i przyciskami Save/Cancel. Bieżący stan TrainingConfig jest persistowany jako nowe ustawienie zdefiniowane przez użytkownika (kodowane JSON, zapisywane na poziomie aplikacji). Proces zapisu kopiuje wszystkie 81 parametrów treningu plus bieżącą strategię densyfikacji. Ustawienie automatycznie ląduje w kategorii Custom, niezależnie od tego, z którego wbudowanego ustawienia zostało wyprowadzone. Puste nazwy i wejścia tylko z białymi znakami są odrzucane. Istniejące już nazwy nie są odrzucane — każde ustawienie ma własny wewnętrzny ID, podwójne nazwy są technicznie dozwolone, ale praktycznie mylące.

GDZIE

Popover Save → pole tekstowe „Preset Name".

TECHNICZNIE

Proste pole tekstowe z zaokrągloną ramką, szerokie. Wartość jest przejmowana jako nazwa ustawienia przy kliknięciu na przycisk Save. Brak ograniczenia długości w UI, ale zapisana nazwa musi być kodowalna JSON i przedstawialna w listach UI — emoji i znaki diakrytyczne działają. Zawartość jest automatycznie resetowana do pustego stringa przy otwarciu popovera. Przycisk Save pozostaje dezaktywowany, dopóki pole jest puste po przycięciu. Brak Auto-Suggest i brak preset domyślnych z nazwą aktualnie aktywnego ustawienia.

GDZIE

Popover Save → przycisk Cancel (po lewej).

TECHNICZNIE

Zamyka popover bez zapisywania. Odrzuca zawartość pola tekstowego — przy następnym otwarciu jest znów resetowany do pustego przez logikę przycisku Save... (I1). Standardowy styl przycisku, brak dialogów potwierdzenia, brak skrótów. Bieżący TrainingConfig pozostaje niezmieniony, ponieważ ścieżka Save w ogóle nie została wykonana.

GDZIE

Popover Save → przycisk Save (po prawej, prominentny styl).

TECHNICZNIE

Wyzwala właściwe persistowanie. Waliduje jeszcze raz niepustą nazwę (defensywne sprawdzenie) i wtedy zapisuje bieżący TrainingConfig jako JSON do pamięci aplikacji. Następnie zamyka popover. Wyróżniony niebieskim, wyszarzony dopóki pole tekstowe jest puste. Jeśli zapis się nie uda (np. ponieważ pamięć aplikacji jest pełna — bardzo nieprawdopodobne), obecnie nie ma widocznego dialogu błędu; ustawienie po prostu nie pojawiłoby się przy następnym starcie aplikacji.

GDZIE

Inspector → sekcja Presets → pasek akcji → przycisk Export...

TECHNICZNIE

Eksportuje aktualnie wybrane ustawienie jako plik .radiancepreset (wewnętrznie JSON). Dezaktywowany, gdy nie ma wybranego ustawienia. Przy kliknięciu aplikacja otwiera dialog Save z predefiniowaną nazwą pliku (nazwa ustawienia + rozszerzenie .radiancepreset). Zapisany format zawiera kompletny TrainingConfig plus metadane (nazwa, kategoria, ID, flaga Built-in). Podwójne kliknięcie w Finderze otwiera aplikację — ale nie automatycznie import; użytkownik musi użyć przycisku Import (I6).

GDZIE

Inspector → sekcja Presets → pasek akcji → przycisk Import...

TECHNICZNIE

Otwiera dialog pliku dopuszczający tylko pliki .radiancepreset (wybór wielu dezaktywowany). Przy wybraniu plik JSON jest ładowany, walidowany i wstawiany do kategorii Custom — z nowym wewnętrznym ID, by nie powstały kolizje z wbudowanymi. Import automatycznie ustawia kategorię na Custom, nawet jeśli wyeksportowane ustawienie pierwotnie było np. wbudowane. Uszkodzone lub niezgodne ze starszą wersją schematu pliki są po cichu odrzucane, bez dialogu błędu (log konsoli daje jednak informację).

GDZIE

Inspector → sekcja Presets → każdy wiersz ustawienia w każdej kategorii.

TECHNICZNIE

Kliknięcie na wiersz ustawienia zastępuje wszystkie pola TrainingConfig wartościami z ustawienia, zapamiętuje ID aktywnego ustawienia i resetuje status Modified. Aktywne ptaszki przed wierszem pojawiają się tylko, gdy ustawienie jest wybrane I niezmodyfikowane. Gdy tylko wartość w TrainingConfig zostanie zmieniona (suwak, stepper, przełącznik w innych sekcjach Inspectora), za nazwą pojawia się pomarańczowa odznaka „Modified". Wbudowane ustawienia nie mogą być nadpisywane — przy modyfikacji trzeba przez przycisk Save (I1) założyć własną kopię.

GDZIE

Prawy klik na każdy wiersz ustawienia → pierwsza pozycja „Export...".

TECHNICZNIE

Identyczna funkcjonalność jak I5 (przycisk Export...), ale wygodniej dostępna — bez konieczności wcześniejszego zaznaczenia ustawienia. Eksportuje bezpośrednio ustawienie klikniętego wiersza. Działa dla wszystkich kategorii ustawień równo (wbudowane lub Custom), bez ograniczenia. Eksport zawiera flagę Built-in i oryginalną kategorię, ale przy reimporcie kategoria jest mapowana na Custom, jak opisano w I6.

GDZIE

Prawy klik na każdy wiersz ustawienia → druga pozycja „Duplicate".

TECHNICZNIE

Klonuje ustawienie do kategorii Custom. Tworzy nowy wewnętrzny ID, dokleja „ Copy" do nazwy i zapisuje kopię. Działa także dla wbudowanych ustawień — klon jest wtedy edytowalny. Oryginał pozostaje nietknięty. TrainingConfig jest kopiowany wartość po wartości (JSON roundtrip), tak by nie istniały referencyjne powiązania między oryginałem a kopią.

GDZIE

Prawy klik na własne wiersze ustawień → ostatnia pozycja „Delete" (czerwony, destrukcyjny).

TECHNICZNIE

Widoczna tylko dla ustawień Custom. Wbudowanych nie można usuwać. Pozycja jest oznaczona jako destrukcyjna, pojawia się w menu kontekstowym na czerwono i jest oddzielona dzielnikiem, aby nie klikać jej przypadkowo. Nie ma żadnego dialogu potwierdzenia — jedno kliknięcie usuwa ustawienie natychmiast. Usunięte ustawienie nie jest do odzyskania (Cmd-Z tu nie działa — Undo istnieje w bieżącym buildzie tylko dla listy obrazów, nie dla operacji na ustawieniach). Jeśli usunięte ustawienie było właśnie aktywne, bieżący TrainingConfig pozostaje niezmieniony, tylko aktywny wybór ustawienia jest wyzerowany.

GDZIE

Inspector → sekcja Presets → każdy nagłówek kategorii (Classic, MCMC, SceneClass, Custom).

TECHNICZNIE

Status zwinięcia na kategorię z różnymi domyślnymi: Classic startuje rozwinięte, MCMC, SceneClass i Custom startują zwinięte. Status nie jest persistowany — przy restarcie aplikacji wszystkie kategorie są znów w stanie domyślnym. Strzałka chevron rotuje z animacją. Liczba po prawej w nagłówku pokazuje liczbę ustawień w tej kategorii. Obszar trafienia kliknięcia obejmuje cały obszar nagłówka.

GDZIE

Inspector → Konfiguracja treningu → Camera Alignment (selektor segmentowy u góry).

TECHNICZNIE

Selektor segmentowy z dwiema opcjami: Apple Photogrammetry i Native (Beta). Wybór określa używany backend SfM przy następnej rekonstrukcji kamer. Wpływa jednocześnie na to, które inne elementy Inspectora są widoczne: Native pokazuje dodatkowo FOV-Override (I13), potrzebny tylko przy klatkach wideo bez EXIF. Wskazówka: dla bardzo dużych ujęć plenerowych możesz wczytać wynik zewnętrznego narzędzia (Metashape lub COLMAP) przez import workspace — zobacz rozdział 1 (M5) i rozdział 9 (Q3, Q6).

GDZIE

Inspector → Konfiguracja treningu → FOV Override (widoczne tylko przy Camera Alignment = Native).

TECHNICZNIE

Numeryczne pole tekstowe (zakres 0-170°), domyślnie 0 = automatyczne ustalenie z EXIF lub heurystyki. Ręczne wpisanie jest potrzebne, gdy obrazy wejściowe zostały wyekstrahowane z wideo bez metadanych ogniskowej. Typowe wartości: iPhone Wide ≈ 73°, DJI Mavic Wide-Crop ≈ 70°, dron z sensorem pełnoklatkowym ≈ 84°. Wartość jest ograniczana do [0, 170] — wartości poza są bezpośrednio cofane. Wpływa tylko na natywny potok SfM (Q4/Q5); Apple Photogrammetry kompletnie ignoruje tę wartość.

GDZIE

Inspector → Konfiguracja treningu → Densification (selektor segmentowy, zawsze widoczny).

TECHNICZNIE

Przełącza między dwiema strategiami densyfikacji: Classic (oryginalna procedura 3DGS z Clone/Split/Prune i progiem gradientu) i MCMC (Stochastic Gradient Langevin Dynamics z relokacją, NeurIPS 2024). Przy zmianie z Classic na MCMC aplikacja automatycznie ustawia specyficzne dla MCMC pola na sprawdzone wartości domyślne (Reg-Weights = 0, MCMC-Cap-Multiplier 3.0, harmonogram Sample/Noise). Bez tej automatycznej inicjalizacji sesje ze starymi ustawieniami cierpiały na błąd 1.4.4-MCMC-Collapse (460K→5 gaussianów, kill watchdoga). Wybór selektora dodatkowo określa, które elementy Inspectora są widoczne — przy MCMC pojawiają się I16/I17. Szczegółowe działanie pól w rozdziale 6, T11–T16 (Classic) i T61–T73 (MCMC).

GDZIE

Inspector → Konfiguracja treningu → MCMC Quality (tylko przy Densification = MCMC).

TECHNICZNIE

Przełącza Gradient-Accumulation na 2 kroki (aktywne) lub 1 krok (nieaktywne). Akumuluje gradienty z dwóch następujących po sobie widoków kamery, zanim wykonany zostanie krok optimizera. Empirycznie (Session 33, V544a) redukuje to finalny błąd L1 o ok. 6% (0.0246 z Quality vs 0.0261 bez, przy uśrednieniu 3 prób na Horse-Full-MCMC). Cena: podwojony czas treningu. Przy bardzo długich treningach (200K iteracji) prowadzi to do dodatkowych 10+ minut oczekiwania — więc opłaca się tylko, gdy ostatnie parę procent jakości naprawdę jest potrzebne. Wpływa tylko na trening, nie na format eksportu czy prezentację widoku.

GDZIE

Inspector → Konfiguracja treningu → Auto-scale by scene (tylko przy MCMC).

TECHNICZNIE

Gdy aktywny, skaluje efektywną górną granicę Max-Gaussians ze SfM-Init-Point-Count × MCMC-Cap-Multiplier (domyślnie 3.0). Przykład: SfM dostarcza 250K punktów początkowych, podstawowy cap = 150K, multiplier 3.0 → efektywna górna granica = max(150K, 750K) = 750K. Gdy dezaktywowany, ściśle obowiązuje tylko podstawowy. Wprowadzone dla v1.4.5, ponieważ duże ujęcia plenerowe z ponad 1000 klatkami i odpowiednio wysoką gęstością punktów SfM przy sztywnym domyślnym 150K-Cap zagłodziły densyfikację — nadmiarowe punkty zostały, nowe nie mogły powstać. Domyślnie OFF w ustawieniach Custom, ON w wbudowanych MCMC. Wpływa tylko na czas treningu, nie na eksport.

GDZIE

Inspector → Konfiguracja treningu → GroupBox → Max Iterations.

TECHNICZNIE

Stepper z zakresem 1 000–100 000, krok 1 000. Określa łączną liczbę iteracji optimizera. Liniowo skorelowane z czasem treningu (połowa = ok. 50% czasu). Empiryczne sweet spoty: 20K (Classic Balanced, L1≈0.028), 40K (Classic Quality, L1≈0.023), 200K (MCMC Full, L1≈0.0246). Powyżej 40K przy Classic średnio daje zaledwie poprawę — Diminishing Returns. Przy zmianie, jeśli funkcja Link (I19) jest aktywna, Densify Until jest proporcjonalnie podciągany (domyślny stosunek: 0.5, tj. Densify-Until = Max/2).

GDZIE

Inspector → Konfiguracja treningu → GroupBox → mały przycisk Link między Max Iterations a Densify Until.

TECHNICZNIE

Przycisk przełączający, który zamraża stosunek Densify Until do Max Iterations. Przy aktywnym (ikona Link wyróżniona) przy każdej zmianie Max Iterations Densify Until jest proporcjonalnie podciągany. Przy Unlink (ikona Link-Plus) wartości pozostają niezależne. Domyślnie linked, ponieważ odzwierciedla to typową korelację — gdy ciągniesz trening na podwójne iteracje, zwykle chcesz też densyfikację proporcjonalnie dłużej. Stosunek jest obliczany przy ustawieniu przycisku Link z bieżącej wartości; typowy stosunek to 0.5 (Densify-Until = połowa liczby iteracji).

GDZIE

Inspector → Konfiguracja treningu → GroupBox → Densify Until.

TECHNICZNIE

Stepper z zakresem 500–50 000, krok 500. Określa indeks iteracji, od którego nie dochodzą nowe gaussiany przez Clone/Split (Classic) lub relokację (MCMC). Po osiągnięciu udoskonalane są tylko pozycja i kolor. Wyższe wartości = więcej gaussianów = większy plik, dłuższy czas na iterację (+30-60% GPU-Time na krok). Typowe wartości: 15K (dla 30K Max-Iter), 20K (dla 40K), 100K (dla 200K MCMC). Przy aktywnym Link (I19) automatycznie skalowane razem. Inaczej wpływa przy Classic vs MCMC: Classic zatrzymuje całkowicie wzrost, MCMC zatrzymuje logikę relokacji, ale adaptacja Sample/Noise działa dalej.

GDZIE

Inspector → Konfiguracja treningu → GroupBox → SSIM Weight.

TECHNICZNIE

Suwak 0.0–1.0 w krokach 0.05, wyświetlanie jako „0.20". Miesza L1-Loss (0.0) i SSIM-Loss (1.0). L1 napina jasność na piksel, SSIM podobieństwo strukturalne (krawędzie, lokalne statystyki). Domyślnie 0.2 to wartość z oryginalnego artykułu 3DGS (Kerbl 2023) i reverse-engineered jako solidny kompromis w licznych sesjach. Wyższe wartości (0.5+) preferują zachowanie detalu, mogą jednak ignorować lokalne błędy jasności. Niższe wartości (< 0.1) prowadzą do utraty detalu na ostrych krawędziach. Obliczanie SSIM działa w shaderze z oknem Gaussa 11×11. Wydajność: przy 0.0 (tylko L1) trening jest ok. 8-12% szybszy, ponieważ obliczanie SSIM w shaderze jest pomijane.

GDZIE

Inspector → Konfiguracja treningu → GroupBox → Render Scale.

TECHNICZNIE

Suwak 0.25–1.0 w krokach 0.25, wyświetlanie jako „100%". Skaluje rozdzielczość renderingu treningu względem wielkości obrazu źródłowego. Największa dźwignia na wydajność: 50% redukuje czas GPU o ok. 75% (ponieważ 4× mniej pikseli), 25% o ok. 94%. Próg gradientu jest automatycznie skalowany razem. Pod suwakiem pojawia się wyświetlacz rozdzielczości na żywo w MP (np. „2304×1296 (3.0 MP)"). Jeśli bieżąca wartość odbiega od rekomendowanej, w pomarańczowym tekście wyświetla się „— recommended: 50%". Rekomendacja celuje w ~3 MP efektywnej rozdzielczości — najbardziej efektywnie przetwarzalny zakres przez GPU Apple Silicon. Obrazy źródłowe 4K dostają np. automatycznie rekomendację 25%, obrazy FullHD 100%. Zmiana wyzwala dodatkowo realokację bufora.

GDZIE

Inspector → Enhancements → Post-Training Compactification.

TECHNICZNIE

Aktywuje post-processing V443: po zakończeniu iteracji treningu gaussiany z opacity poniżej 0.01 (1% widoczności) są usuwane. Empirycznie redukuje to rozmiar pliku o ~55-58% przy zerowej widocznej utracie jakości — ponieważ te gaussiany wizualnie i tak nie wnoszą. Compactification działa jako GPU-Compact-Pass i trwa zależnie od liczby gaussianów ułamki sekund do kilku sekund. Nie wpływa na wydajność treningu. Gdy ten przełącznik jest wyłączony, eksportowane są również niewidoczne gaussiany — istotne tylko, gdy chcesz użyć formatu do dalszego etapu treningu (Continue Training), inaczej marnotrawstwo pamięci.

GDZIE

Inspector → Enhancements → MetalFX Spatial Upscaling.

TECHNICZNIE

Aktywuje Apple MetalFX Spatial Upscaler w rendererze widoku. Gdy rozdzielczość treningu (przez I22 Render Scale) jest niższa niż wielkość widoku, MetalFX skaluje wyrenderowaną klatkę ML-bazowo do wielkości wyświetlania. Daje najostrzejsze wyniki ze wszystkich opcji skalowania, ponieważ model ML-Upscalera jest zoptymalizowany na ostre krawędzie. Potok renderera jest przy przełączaniu na żywo rekonfigurowany — widoczne natychmiast, bez restartu. Ma pierwszeństwo przed MPS Lanczos (I28): jeśli obydwa aktywne, wygrywa MetalFX. Narzut wydajności w widoku ok. 1-2ms na klatkę na GPU M3. Wpływa tylko na widok na żywo, nie na renderowane eksporty (Orbit-Video, zrzuty ekranu) — te są renderowane w pełnej rozdzielczości źródła.

GDZIE

Inspector → Enhancements → MPS Lanczos Scaling.

TECHNICZNIE

Aktywuje Apple Metal Performance Shaders z resamplingiem Lanczos jako upscaler widoku. Lanczos to klasyczne resamplowanie z filtrem 8-Tap-Sinc — ostrzejsze niż Bilinear, klasyczny algorytm bez ML. Potok renderera jest przy przełączaniu rekonfigurowany na żywo. Ignorowany, gdy MetalFX (I27) jest również aktywne. Minimalny narzut (<0.5ms na klatkę), ale jakość leży poniżej MetalFX. Zastosowanie: fallback dla scen, w których MetalFX produkuje artefakty (np. silne struktury liniowe, które ML-Upscaler okazjonalnie „wygładza"). Działa jak I27 tylko w widoku na żywo, nie w eksportach.

GDZIE

Inspector → Enhancements → Perceptual Loss.

TECHNICZNIE

Suwak 0.0–0.2 w krokach 0.01, wyświetlanie przy 0.0 jako „Off", inaczej jako „0.05" itd. Aktywuje dodatkowy człon loss, porównujący multi-skalowany Gaussian-Blur renderingu z obrazem ground-truth (3 skale rozmycia). Wychwytuje strukturalne różnice, których L1+SSIM samo nie widzi. Implementacja V460. Empirycznie wartość 0.05-0.1 poprawia ocenę L1 w sesjach o kilka procent, kosztuje jednak ~5% czasu treningu (dodatkowy forward-pass przez jądra rozmycia). Powyżej 0.15 trening staje się niestabilny i L1 znowu się pogarsza (człon loss dominuje optymalizację). Działa podczas treningu, nie w post-processingu — mimo pozycji w sekcji „Enhancements" to nie jest więc czysta wartość dodatkowa post-factum.

GDZIE

Inspector → Metryki → Iteration. Read-only.

TECHNICZNIE

Wyświetlanie w formacie „4523 / 40000" — bieżąca iteracja przez łączną planowaną. Liczy synchronicznie z pętlą treningu, która pushuje wartości co ~30 iter. Druga liczba odpowiada wartości Max-Iterations w momencie startu; nie zmienia się więcej, nawet gdy użytkownik przekręci stepper — działający przebieg używa własnej kopii migawki. Gdy aplikacja przez menu Training dosypuje iteracji (Continue Training +5K/+10K/+20K), mianownik się zwiększa.

GDZIE

Inspector → Metryki → Loss. Read-only.

TECHNICZNIE

Wartość float z sześcioma miejscami po przecinku (np. „0.024385"). Mierzy kombinowany Loss L1+SSIM (mix kontrolowany przez I21 SSIM Weight) plus opcjonalnie Perceptual Loss (I29) i inne regularizery. Skala nie jest absolutna, lecz zależna od sceny — wymaga dla większości porównań tego samego zestawu danych. Typowe wartości końcowe przy dobrych konfiguracjach: - Classic Quality 40K iter: 0.022–0.025 (Horse, Truck, Garden) - MCMC Full 200K iter: 0.024–0.028 - Outdoor Dron 30K: 0.030–0.060 (gorsze z powodu geometrii) - Indoor Apartments: 0.018–0.025

Wartości powyżej 0.10 po 5K iteracjach wskazują na problemy SfM (złe pozy kamer) — przerwij i policz SfM od nowa.

GDZIE

Inspector → Metryki → Learning Rate. Read-only.

TECHNICZNIE

Wyświetlanie w notacji naukowej (np. „1.60e-04"). Bieżący współczynnik uczenia dla parametrów pozycji (3DGS ma sześć niezależnych LR dla pozycji, SH-DC, SH-Rest, opacity, skali, rotacji — wyświetlany jest tu LR pozycji jako wartość reprezentatywna). Domyślna wartość początkowa 1.6e-4, opadająca przez Exponential-Decay do ~1.6e-6 na końcu treningu. Spadek można dostosować przez pole LR-Schedule w konfiguracji treningu (pole T w rozdz. 6). Gdy LR pozostaje niezwykle wysokie (np. 1e-3 lub więcej po 10K iteracji), może to wskazywać na błędnie załadowaną konfigurację.

GDZIE

Inspector → Metryki → SH Degree. Read-only.

TECHNICZNIE

Liczba całkowita 0-3. Stopień Spherical Harmonics dla reprezentacji koloru. Zaczyna od 0 (tylko komponenta DC, tj. niezależny od kierunku kolor na gaussiana — czyli tylko stała RGB) i rośnie progresywnie podczas treningu do 3. Standardowy harmonogram podnosi stopień przy 1000/2000/3000 iteracjach o po 1. SH-3 odpowiada 48 współczynnikom koloru na gaussiana (3 kanały RGB × 16 funkcji bazowych SH). Wyższy stopień SH = więcej zależnego od kierunku odbicia (błyszczące powierzchnie pod różnymi kątami widzenia wyglądają poprawnie różnie), ale też więcej pamięci i wolniejszy trening.

GDZIE

Inspector → Metryki → Gaussians. Read-only.

TECHNICZNIE

Bieżąca liczba gaussianów w modelu, sformatowana z separatorem Locale (np. „524.318"). Wzrost: - Classic: startuje od punktów początkowych SfM (typowo 50K-300K), rośnie przez Clone/Split aż krótko przed Densify Until, potem statyczne do końca treningu (modulo Pruning) - MCMC: punkty Sample są dodawane do MCMC-Cap, potem tylko relokacja

Zdrowe wartości końcowe: - Classic Quality: 400K-700K (Horse 524K, Garden 800K) - MCMC Full: dokładnie na cap (domyślnie 150K, z Auto-Scale Multiplier × SfM-Count zależnie od sceny 500K-1.5M)

Przy MCMC liczba spada do < 60% cap → anomalia (wskaźnik kolapsu, wskazuje na zbyt agresywne regularizery).

GDZIE

Inspector → Metryki → GPU Memory. Read-only.

TECHNICZNIE

Oszacowanie zużycia pamięci bufora gaussianów jako liczba gaussianów × 616 bajtów (sformatowane w stylu Memory). 616 bajtów to empiryczny rozmiar w pełni wyposażonego gaussiana (pozycja, skala, rotacja, opacity, współczynniki SH stopień 3, akumulator gradientu). Wyświetlanie nie obejmuje narzutu renderera (bufor kafelków, bufor sortowania, bufor backward) — realne zapotrzebowanie na pamięć GPU leży typowo 2-3× powyżej tej wartości. Przy 500K gaussianów: wyświetlane ~290 MB, realnie ~700 MB. Przy 1.5M gaussianów: wyświetlane ~880 MB, realnie ~2.5 GB. Na M3 Max z 64+ GB Unified Memory niekrytyczne, na M3 Pro z 18 GB już limit.

GDZIE

Inspector → Metryki → Speed. Read-only.

TECHNICZNIE

Iteracje na sekundę z jednym miejscem po przecinku („24.3 it/s"). Obliczone przez trener jako średnia krocząca z ostatnich ~100 iteracji. Typowe wartości: - Quick Preset (1K iter): 80-120 it/s (krótko, brak steady-state) - Classic 20K @ 1.0 Render Scale (scena Truck, 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 (wolniejsze z powodu relokacji) - Przy 1M+ gaussianów i pełnej rozdzielczości: < 10 it/s

Spadająca prędkość w trakcie treningu jest normalna — więcej gaussianów = więcej compute na iterację. Nagłe spadki (np. z 30 → 5 it/s) wskazują na GPU-Thermal-Throttling lub konkurujące aplikacje.

GDZIE

Inspector → Metryki → Elapsed. Read-only.

TECHNICZNIE

Już upłynęły czas jako „4:23" (m:ss) lub „1:23:45" (h:mm:ss). Przełączenie formatu od 1 godziny. Mierzy tylko czysty czas treningu, nie poprzedzające fazy (obliczenia SfM, import obrazów). Przy Pause/Resume zegar idzie dalej — jest więc wall-clock, nie czas CPU.

GDZIE

Inspector → Metryki → ETA. Read-only.

TECHNICZNIE

Szacowany czas pozostały jako „17:42" lub „1:12:35". Obliczenie: (Max Iterations − bieżąca iteracja) / iteracje na sekundę. Pokazuje „–", gdy prędkość jest właśnie zero (zupełnie na początku lub przy pauzie). Oszacowanie nie jest dostosowywane do typowego spowolnienia pod koniec treningu — zwłaszcza przy MCMC i Classic z dużymi wartościami Densify-Until trening ma tendencję stawać się wolniejszym, ponieważ coraz więcej gaussianów wchodzi do obrazu. Realnie pozostaje typowo 10-20% powyżej początkowego ETA.

GDZIE

Inspector → wykres straty → lewy obszar etykiety „Current: 0.0287". Read-only.

TECHNICZNIE

Wartość float ostatniego punktu próbki Loss, sformatowana z czterema miejscami po przecinku. Identyczna z I31 (Loss w sekcji Metrics), tylko sformatowana tu bardziej zwarto. Źródłem jest historia Loss — lista, która otrzymuje wpis na ~30 iteracji. Tylko wartości skończone są wpisywane na listę — NaN/Infinity (bardzo rzadkie, w przypadku błędu eksplozji gradientu) są filtrowane.

GDZIE

Inspector → wykres straty → prawy obszar etykiety „Min: 0.0245" (zielony). Read-only.

TECHNICZNIE

Minimum wszystkich kiedykolwiek widzianych wartości Loss bieżącego przebiegu treningu. Rekomputowane na żywo z historii Loss — brak osobnej persistencji. Wyświetlane zielonym tekstem, ponieważ „Min" = „Best so far". Przerywana zielona linia na dolnej krawędzi wykresu wizualnie zaznacza tę pozycję Y. Przy sesjach Continue-Training śledzenie minimum startuje od nowa — stara historia jest w UI zastępowana nową (nie doczepiana). Gdy bieżący trening idzie gorzej niż poprzedni, wyświetlanie Min może więc być większe niż poprzedni wynik końcowy.

GDZIE

Inspector → wykres straty → drugi wykres pod spodem (pomarańczowy). Read-only.

TECHNICZNIE

Wykres liniowy liczby gaussianów w iteracjach treningu. Źródło: historia Gaussian-Count (lista par (Iter, Count), wypełniana przez trener co ~30 iter). Skala Y dynamiczna między minimum a maksimum historii. Przy strategii Classic krzywa wygląda zwykle tak: stale rośnie do Densify Until, potem płasko (z małymi wahaniami pruningu). Przy MCMC: stromy wzrost do cap, potem horyzontalna linia (relokacja utrzymuje liczbę stałą). Gdy krzywa opada mimo aktywnego treningu, densyfikacja zbyt agresywnie pruninguje — wskazówka na błędne domyślne lub znany błąd MCMC-Collapse (temat v1.4.4-Hotfix).