Bölüm 7 — Yerleşik Kalite Önayarları

NEREDE

Inspector → Önayarlar bölümü → „Classic" grubu → „Quick" girdisi. UUID son eki …001.

TEKNİK

1 000 iterasyon, klasik (uyarlanabilir) Densification stratejisi ve 0.25× eğitim çözünürlük ölçeklemesiyle (girdi görüntüsü eğitimden önce %25'e küçültülür) bir tanı önayarı. Bir sahnenin gönderimi için değil, kurulumun (kamera pozları, nokta bulutu, görüntü serisi) Loss değerlerinde anlamlı bir hareket gösterip göstermediğini hızlıca tespit etmek için tasarlandı. Bir M3 Ultra'da 50–200 görüntüde tipik olarak 30 saniyenin altında. Küçük çözünürlük gerçek görüntü kalitesini gizler, ama bellek ihtiyacını ve render maliyetini çok düşük tutar. Sistem 10 GB RAM'den az olduğunda ilk başlatmada otomatik olarak varsayılan seçilir.

NEREDE

Inspector → Önayarlar bölümü → „Classic" grubu → „Preview" girdisi. UUID son eki …002.

TEKNİK

5 000 iterasyon Classic Densification, 0.5× çözünürlük ölçeklemesi, standarda göre iki kat öğrenme hızı. Densification (klonlama + bölme) ilk 2 500 iterasyon boyunca aktif, sonra yalnızca budama. ≥ 10 GB RAM'li sistemler için varsayılan önayar. Bir M3 Ultra'da 200 görüntülü bir sahne için tipik olarak 90 saniye ile 3 dakika. Geometri ve kamera pozu hakkında kullanılabilir bir izlenim verir ama dokular gözle görülür biçimde yumuşatılmıştır — 0.5× render çözünürlüğü, ardından P3 ya da P4 ile yeniden eğitmek yoluyla doğrudan aşılamaz, çünkü öğrenme hızları yarı çözünürlüğe uygun ayarlanmıştır.

NEREDE

Inspector → Önayarlar bölümü → „Classic" grubu → „Balanced" girdisi. UUID son eki …005.

TEKNİK

Tam görüntü çözünürlüğünde 20 000 iterasyon Classic Densification. Densification ilk 15 000 iterasyon boyunca çalışır, iter 3 000'den itibaren 100'lük Densify aralığıyla. Belgelenen eğitim oturumlarında ampirik „tatlı nokta": klasik Densification ile Horse Full ve Truck'ta L1 kaybı iter 18 000–22 000 arasında dengelenir, daha uzun eğitim Quality'nin (P4) altında anlamlı bir iyileşme getirmez. Bir M3 Ultra'da 200 görüntüde tipik olarak 30–60 saniye, 1 000+ görüntüde 5–8 dakika.

NEREDE

Inspector → Önayarlar bölümü → „Classic" grubu → „Quality" girdisi. UUID son eki …003.

TEKNİK

V546 „Opacity Decay" (HTGS, Eurographics 2025) ile 35 000 iterasyon Classic Densification: her Densify döngüsünden sonra mevcut tüm Gaussian'ların opaklığı < 1.0 bir faktörle çarpılır; bu, inaktif hale gelmiş Gaussian'ları budama sırasında güvenilir biçimde kaldırır ve böylece aynı iter sayısında klasik 35 000 çalıştırmasına göre %14 daha iyi L1 kaybı elde eder. SSIM kaybı etkindir (ssimWeight=0.05). Bir M3 Ultra'da 200 görüntüde tipik olarak 2–4 dakika. NeRF-Blender'da (Lego, Chair, Drums) final L1 ≈ 0.023 verir — belgelenen 560+ deneydeki en iyi Classic varyantı. Dikkat: ~3–5 GB GPU belleği gerektirir; 8 GB sistemlerde P3 güvenli seçimdir.

NEREDE

Inspector → Önayarlar bölümü → „MCMC" grubu → „Preview" girdisi. UUID son eki …006.

TEKNİK

100 000 Gaussian üst sınırında 60 000 iterasyon MCMC Densification (3DGS-MCMC, NeurIPS 2024). MCMC, sezgisel klon/bölme mantığını Markov Zinciri Monte Carlo yeniden konumlandırmasıyla değiştirir: ölü Gaussian'lar Sigmoid ağırlıklı örnekleme derinliği üzerinden yeniden konumlandırılır; bu da kontrollü ve yeniden üretilebilir bir Gaussian sayısı verir. Üst sınır maksimum sayıyı 100K ile kesin biçimde sınırlar — bu, bellek ve render süresi kazandırır, ama detaya mal olur. Bir M3 Ultra'da 200 görüntüde tipik olarak 5–8 dakika. „MCMC işlev testi" olarak uygundur — P6 ya da P7'ye daha fazla zaman yatırmadan önce Classic'ten MCMC'ye geçişin anlamlı olup olmayacağını değerlendirmeye yardım eder.

NEREDE

Inspector → Önayarlar bölümü → „MCMC" grubu → „Balanced" girdisi. UUID son eki …007.

TEKNİK

150 000 Gaussian üst sınırında 120 000 iterasyon MCMC. Orta MCMC kademesi — P7 Quality'nin neredeyse son Gaussian sayısına, ama yalnızca iterasyonların %60'ına sahip. Belgelenen eğitim oturumlarında ampirik olarak L1 kaybı Horse Full'da 0.026–0.028 aralığındadır, P7'ye karşı 0.0246 — yani yaklaşık %7 daha yüksek, karşılığında yarı bekleme süresi. Bir M3 Ultra'da 200 görüntüde tipik olarak 8–15 dakika. Etkili Gaussian üst sınırını girdi SfM nokta bulutunun nokta yoğunluğuna ölçekleyen bir yöntem kullanır (bkz. Bölüm 6, T75).

NEREDE

Inspector → Önayarlar bölümü → „MCMC" grubu → „Quality" girdisi. UUID son eki …004.

TEKNİK

150 000 Gaussian üst sınırında 200 000 iterasyon MCMC, SSIM kaybı 0.05, iterasyonların %80'i boyunca MCMC gürültü azalması. 560+ deneydeki en iyi tek çalıştırma L1'i: Horse Full'da 0.0238, 3 denemenin ortalaması 0.0246 (aynı sahnede P4 0.0230'a karşı). MCMC bunu %71 daha az Gaussian ile sağlar (150K vs ~524K) — web üzerinde sonuç teslim edeceksen belirleyicidir, çünkü küçük bulut belirgin biçimde daha küçük dışa aktarma dosyaları üretir. Bir M3 Ultra'da 200 görüntüde tipik eğitim süresi 20–35 dakika; 1 000+ görüntülük setlerde 1–2 saat. Minimum son boyutta maksimum görüntü kalitesi istendiğinde en iyi seçim.

NEREDE

Inspector → Önayarlar bölümü → „Scene-Class" grubu → „Render (3D)" girdisi. UUID son eki …700.

TEKNİK

Görüntü sentetik / CGI tarzı sahneler için Scene-Class önayarı (NeRF-Blender, Mip-NeRF 360 Flowers, Blender ile render edilmiş test setleri). Q7 BayesOpt sweep'i (flowers'ta T10 deneme, Tohum 7, Bütçe 20) belirledi: mcmcMaxGaussians=1 189 511, mcmcCapMultiplier=2.98, ssimWeight=0.051, densifyGradThreshold=3.34e-06, mcmcNoiseScale=5.61e-05. Quality-MCMC temel çizgisine karşı Δ +0.36 dB PSNR (17.67 → 18.03). Mip-Splatting kasıtlı olarak kapalı (Q1.5 „kapalı no-win" verdikti 2026-05-25), Sky-Dome de kapalı (sentetik sahnelerin gerçek bir göğü yoktur). Ana kaldıraç 8× daha büyük Gaussian üst sınırıdır — sentetik sahneler temiz alfa ve yoğun dokularla daha yüksek yoğunluğa güçlü tepki verir. 200 görüntüde eğitim süresi yaklaşık olarak P7 gibi.

NEREDE

Inspector → Önayarlar bölümü → „Scene-Class" grubu → „Outdoor (tuned)" girdisi. UUID son eki …701.

TEKNİK

Gerçek gök ve geniş derinlik aralığıyla dış mekân çekimleri için Scene-Class önayarı (Mip-NeRF 360 Bicycle/Garden, ETH3D-Tunnel, dron uçuşları). Q7 BayesOpt sweep'i (bicycle üzerinde T0 deneme, Tohum 7, Bütçe 10) belirledi: mcmcMaxGaussians=1 250 744, mcmcCapMultiplier=5.32, ssimWeight=0.082, skyDomeRadiusMultiplier=59.0. Quality-MCMC'ye karşı Δ +1.40 dB PSNR (21.66 → 23.06) — tüm 9 geçerli bicycle denemesi +1.0 dB eşiğini kırdı. Dış mekân sahneleri daha yüksek Gaussian bütçelerine (ölçekli derinlik aralığı) ve V549e Sky-Dome'a (sahne etrafında sferik olarak projeksiyonlanmış gök pikselleri) son derece güçlü tepki verir. Üst sınır çarpanı 5.32, MCMC yeniden konumlandırmasının uzak görüntü bölgelerinde daha agresif örneklemesine izin verir. Mip-Splatting kasıtlı olarak kapalı (Q1.5 verdikti: dış mekânda PSNR'ye bile mal olur). UI'da „(tuned)" son ekiyle önerilir — ayarsız Indoor muadiline göre kalite sıçraması dört kat daha büyüktür.

NEREDE

Inspector → Önayarlar bölümü → „Scene-Class" grubu → „Indoor" girdisi. UUID son eki …702.

TEKNİK

İç mekânlar için Scene-Class önayarı (Mip-NeRF 360 Bonsai/Kitchen/Room, Deep Blending playroom/drjohnson, ETH3D Storage Room). Q7 BayesOpt sweep'i (bonsai'de T6 deneme, Tohum 7, Bütçe 8) belirledi: mcmcMaxGaussians=669 215, mcmcCapMultiplier=1.76, densifyGradThreshold=1.67e-06, pruneOpacityThreshold=0.0142, ssimWeight=0.171. Quality-MCMC'ye karşı Δ +0.33 dB PSNR (29.63 → 29.96). 3/8 deneme +0.2 dB eşiğini kırdı, 8/8 geçerli (mtime takılma koruyucusu sayesinde takılma yok). İç mekânlar dış mekânın yaklaşık yarısı kadar güçlü tepki verir — Δ +0.33'e karşı +1.40 dB — yaklaşık yarı Gaussian bütçesinde (670K vs 1.25M). Sebep: duvarlarla sınırlı geometri daha erken doyar; düz duvar yüzeylerinde daha fazla Gaussian boşa harcanır. Üst sınır çarpanı 1.76, MCMC çöküşünden (v1.4.3 fenomeni) kaçınmak için kasıtlı olarak ihtiyatlı seçildi. Sky-Dome ve Mip-Splatting ikisi de kapalı.