Rozdział 7 — Wbudowane ustawienia wstępne jakości

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Classic" → pozycja „Quick". Końcówka UUID …001.

TECHNICZNIE

Ustawienie diagnostyczne z 1 000 iteracjami, klasyczną (adaptacyjną) strategią densyfikacji i skalowaniem rozdzielczości treningu 0.25× (obraz wejściowy jest przed treningiem zmniejszany do 25%). Nie służy do dostarczania finalnej sceny, lecz do szybkiego stwierdzenia, czy konfiguracja (pozy kamer, chmura punktów, seria zdjęć) w ogóle wykazuje sensowny ruch w wartościach loss. Na M3 Ultra typowo poniżej 30 sekund na 50–200 obrazach. Mała rozdzielczość zaciemnia rzeczywistą jakość obrazu, ale utrzymuje zapotrzebowanie na pamięć i koszty renderingu na bardzo niskim poziomie. Wybierane także automatycznie jako domyślne przy pierwszym uruchomieniu, gdy system ma mniej niż 10 GB RAM.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Classic" → pozycja „Preview". Końcówka UUID …002.

TECHNICZNIE

5 000 iteracji densyfikacji Classic, skalowanie rozdzielczości 0.5×, podwójne współczynniki uczenia względem standardu. Densyfikacja (klonowanie + dzielenie) jest aktywna przez pierwsze 2 500 iteracji, później tylko pruning. Domyślne ustawienie dla systemów z ≥ 10 GB RAM. Na M3 Ultra typowo 90 sekund do 3 minut dla sceny z 200 obrazami. Daje użyteczne wrażenie geometrii i pozy kamery, ale tekstury są wyraźnie rozmyte — rozdzielczości renderingu 0.5× nie da się potem ominąć przez ponowny trening z P3 lub P4, ponieważ współczynniki uczenia są skalibrowane pod połowiczną rozdzielczość.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Classic" → pozycja „Balanced". Końcówka UUID …005.

TECHNICZNIE

20 000 iteracji densyfikacji Classic przy pełnej rozdzielczości obrazu. Densyfikacja działa przez pierwsze 15 000 iteracji, od iter 3 000 z interwałem densyfikacji 100. Empirycznie „sweet spot" z udokumentowanych sesji treningowych: przy klasycznej densyfikacji na Horse Full i Truck loss L1 stabilizuje się między iter 18 000 a 22 000, dłuższy trening nie przynosi istotnej poprawy poniżej Quality (P4). Na M3 Ultra typowo 30–60 sekund na 200 obrazach, 5–8 minut na 1 000+ obrazach.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Classic" → pozycja „Quality". Końcówka UUID …003.

TECHNICZNIE

35 000 iteracji densyfikacji Classic z V546-„Opacity Decay" (HTGS, Eurographics 2025): po każdym cyklu densyfikacji opacity wszystkich istniejących gaussianów mnoży się przez współczynnik < 1.0, co niezawodnie usuwa nieaktywne gaussiany przy pruningu i tym samym na identycznej liczbie iter osiąga 14% lepszy loss L1 niż klasyczny przebieg 35 000. Loss SSIM jest włączony (ssimWeight=0.05). Na M3 Ultra typowo 2–4 minuty na 200 obrazach. Dostarcza na NeRF-Blender (Lego, Chair, Drums) finalne L1 ≈ 0.023 — najlepszy wariant Classic w 560+ udokumentowanych eksperymentach. Uwaga: potrzebuje ~3–5 GB pamięci GPU; na systemach 8-GB bezpieczniejszym wyborem jest P3.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „MCMC" → pozycja „Preview". Końcówka UUID …006.

TECHNICZNIE

60 000 iteracji densyfikacji MCMC (3DGS-MCMC, NeurIPS 2024) przy limicie 100 000 gaussianów. MCMC zastępuje heurystyczną logikę klonowania/dzielenia relokacją Markov Chain Monte Carlo: martwe gaussiany są na nowo rozmieszczane przez głębokości próbkowania ważone sigmoidą, co daje kontrolowaną i powtarzalną liczbę gaussianów. Limit twardo ogranicza maksymalną liczbę przy 100K — to oszczędza pamięć i czas renderingu, ale kosztuje detal. Na M3 Ultra typowo 5–8 minut na 200 obrazach. Nadaje się jako „test funkcjonalny MCMC" — pomaga ocenić, czy zmiana z Classic na MCMC ma sens, zanim zainwestujesz więcej czasu w P6 lub P7.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „MCMC" → pozycja „Balanced". Końcówka UUID …007.

TECHNICZNIE

120 000 iteracji MCMC przy limicie 150 000 gaussianów. Średni poziom MCMC — prawie finalna liczba gaussianów z P7 Quality, ale tylko 60% iteracji. Empirycznie loss L1 w udokumentowanych sesjach treningowych wynosi 0.026–0.028 na Horse Full, w porównaniu do P7 z 0.0246 — czyli około 7% wyżej, za to połowiczny czas oczekiwania. Na M3 Ultra typowo 8–15 minut na 200 obrazach. Używa procedury, która skaluje efektywny limit gaussianów do gęstości punktów wejściowej chmury SfM (zobacz T75 w rozdziale 6).

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „MCMC" → pozycja „Quality". Końcówka UUID …004.

TECHNICZNIE

200 000 iteracji MCMC przy limicie 150 000 gaussianów, loss SSIM 0.05, MCMC-Noise-Decay przez 80% iteracji. Najlepszy pojedynczy przebieg L1 w 560+ eksperymentach: 0.0238 na Horse Full, uśrednione przez 3 próby 0.0246 (w porównaniu do P4 0.0230 na tej samej scenie). MCMC dostarcza przy tym 71% mniej gaussianów (150K vs ~524K) — decydujące, gdy chcesz dostarczyć wynik w internecie, ponieważ mniejsza chmura daje znacząco mniejsze pliki eksportowe. Czas treningu na M3 Ultra typowo 20–35 minut na 200 obrazach; na zestawach 1 000+ raczej 1–2 godziny. Najlepszy wybór, gdy pożądana jest maksymalna jakość obrazu przy minimalnym rozmiarze końcowym.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Scene-Class" → pozycja „Render (3D)". Końcówka UUID …700.

TECHNICZNIE

Ustawienie Scene-Class dla scen syntetycznych / CGI-podobnych (NeRF-Blender, Mip-NeRF 360 Flowers, zestawy testowe renderowane w Blenderze). Sweep Q7-BayesOpt (Trial T10 na flowers, Seed 7, budżet 20) ustalił: mcmcMaxGaussians=1 189 511, mcmcCapMultiplier=2.98, ssimWeight=0.051, densifyGradThreshold=3.34e-06, mcmcNoiseScale=5.61e-05. Δ +0.36 dB PSNR względem bazowego Quality-MCMC (17.67 → 18.03). Mip-Splatting celowo wyłączony (werdykt Q1.5-„closed no-win" 2026-05-25), Sky-Dome również wyłączony (sceny syntetyczne nie mają prawdziwego nieba). Główną dźwignią jest 8× większy górny limit gaussianów — sceny syntetyczne z czystym alfa i gęstymi teksturami silnie reagują na wyższą gęstość. Czas treningu na 200 obrazach mniej więcej jak P7.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Scene-Class" → pozycja „Outdoor (tuned)". Końcówka UUID …701.

TECHNICZNIE

Ustawienie Scene-Class dla ujęć plenerowych z prawdziwym niebem i dużym zakresem głębi (Mip-NeRF 360 Bicycle/Garden, ETH3D-Tunnel, loty dronem). Sweep Q7-BayesOpt (Trial T0 na bicycle, Seed 7, budżet 10) ustalił: mcmcMaxGaussians=1 250 744, mcmcCapMultiplier=5.32, ssimWeight=0.082, skyDomeRadiusMultiplier=59.0. Δ +1.40 dB PSNR względem Quality-MCMC (21.66 → 23.06) — wszystkie 9 ważnych prób bicycle przebiło próg +1.0 dB. Sceny plenerowe reagują niezwykle silnie na wyższe budżety gaussianów (skalowany zakres głębi) i na V549e-Sky-Dome (sferycznie zrzutowane piksele nieba wokół sceny). Cap-Multiplier 5.32 pozwala relokacji MCMC bardziej agresywnie próbkować w odległych obszarach obrazu. Mip-Splatting celowo wyłączony (werdykt Q1.5: w plenerze nawet kosztuje PSNR). Rekomendacja w UI z sufiksem „(tuned)" — w porównaniu do niestrojonego odpowiednika Indoor skok jakości jest ponad czterokrotnie większy.

GDZIE

Inspector → sekcja Ustawienia wstępne → grupa „Scene-Class" → pozycja „Indoor". Końcówka UUID …702.

TECHNICZNIE

Ustawienie Scene-Class dla wnętrz (Mip-NeRF 360 Bonsai/Kitchen/Room, Deep Blending playroom/drjohnson, ETH3D Storage Room). Sweep Q7-BayesOpt (Trial T6 na bonsai, Seed 7, budżet 8) ustalił: mcmcMaxGaussians=669 215, mcmcCapMultiplier=1.76, densifyGradThreshold=1.67e-06, pruneOpacityThreshold=0.0142, ssimWeight=0.171. Δ +0.33 dB PSNR względem Quality-MCMC (29.63 → 29.96). 3/8 prób przebiło próg +0.2 dB, 8/8 ważne (bez stalla dzięki strażnikowi mtime-Stall). Wnętrza reagują o połowę słabiej niż plener — Δ +0.33 vs +1.40 dB — przy mniej więcej połowie budżetu gaussianów (670K vs 1.25M). Powód: geometria ograniczona ścianami nasyca się wcześniej; więcej gaussianów jest marnowanych na płaskich powierzchniach ścian. Cap-Multiplier 1.76 jest celowo konserwatywnie dobrany, aby uniknąć MCMC-Collapse (zjawisko z v1.4.3). Sky-Dome i Mip-Splatting oba wyłączone.