第 2 章 — 检查器（专家视图）

位置

Inspector → Look 区域 → GroupBox → Saturation。

技术细节

滑块范围 0.5–1.2，显示两位小数（例如「1.00」）。按亮度值缩放每个 Splat 的 SH-DC 色度：1.0 = 不变，< 1.0 = 去饱和（颜色向灰阶靠拢），> 1.0 = 更浓郁。数学上是从 Pristine 快照重新计算 DC 颜色，因此反复滑动不会累加。已在 DJI 无人机素材（Pensford 高架桥）上验证过，这类素材往往色彩过饱和 — 无人机默认值为 0.82。只影响颜色基础（SH 0 阶），更高阶的 SH 系数不受影响。

位置

Inspector → Look 区域 → GroupBox → Splat length。

技术细节

滑块范围 0.3–1.0，显示两位小数。在对数空间中将每个 Gaussian 的三个缩放轴向其平均值收拢（数值越小，收拢越强）：1.0 = 不变，较小的值会让细长的「针状」Splat 变得更圆，0 则接近纯球体。针对细长、过度拉伸的 Splat 进行处理，而不改变整体大小，从而减少典型的「彩纸屑」伪影。从 Pristine 快照（原始对数缩放）出发应用，因此是幂等的。与 Splat size（L3）可交换，因为二者都在对数空间中运算。

位置

Inspector → Look 区域 → GroupBox → Splat size。

技术细节

滑块范围 0.5–2.0，显示两位小数。在全部三个轴上均匀缩放每个 Gaussian：1.0 = 不变，< 1.0 = 更小/更密/更清晰，> 1.0 = 更大/更「蓬松」（填补 Splat 之间的空隙）。由于缩放值处于对数空间，乘法在此变为加性偏移 — 这与 Splat length（L2）可交换，因为恒定偏移不会影响与平均值的偏差。从 Pristine 快照出发，因此是幂等的。此版本新增功能。

位置

Inspector → Look 区域 → GroupBox → 开关「Fade far region」以及子滑块「Fade start ×radius」和「Fade floor」。

技术细节

该开关会启用一个随距相机重心距离增加而衰减的径向 Opacity 效果 — 用于隐藏背景中观测薄弱的「远处彩纸屑」。仅适用于环绕拍摄：如果场景不符合条件（直线飞行、相机数量过少或退化），开关会显示为灰色；此时子滑块会被提示「Far-fade applies only to orbit captures (not this scene).」取代。适用性通过相机位置的方位角覆盖范围来判断（环绕拍摄会围绕重心并覆盖许多方位扇区，而直线飞行通常只覆盖约 2 个）。两个子滑块控制具体几何形状：Fade start ×radius（1.0–3.0）以环绕半径的倍数设置内半径，在此半径内保持完全不透明；Fade floor（0.0–1.0）是远超衰减半径之外的不透明度系数。重要的是：该衰减效果会跳过 Sky-Dome 区域（穹顶中已冻结的 Gaussians），以免有意保留的背景穹顶也被一并调暗。

位置

Inspector → Look 区域 → GroupBox → 「Reset finishing」（底部，小按钮）。

技术细节

将所有 Look 设置重置为默认值（Saturation 1.0，Fade 关闭，Splat length 1.0，Splat size 1.0），并立即触发一次新的 Finishing，使 Viewport 跳回未经改动的训练状态。由于整个 Look 计算堆栈都是从 Pristine 快照幂等地进行计算的，「恢复默认」得到的正是最初的训练输出结果 — 反复来回调整不会造成任何质量损失。与该区域的所有滑块一样，在导出进行时会被锁定。

位置

Inspector → 预设区域 → Save…按钮（底部的操作栏）。

技术细节

打开一个带文本输入框和 Save/Cancel按钮的弹出窗口。当前的训练设置状态会作为新的 自定义预设被持久化（JSON编码，跨应用保存）。保存操作会复制全部81个 训练参数以及当前的Densification策略。该预设会自动归入 Custom类别，无论它是从哪个内置预设派生而来。空名称和纯 空白输入会被丢弃。已存在的名称不会被拒绝——每个 预设都有自己独立的内部ID，重复名称在技术上是 允许的，但实际使用中会造成混淆。

位置

Save弹出窗口 → 文本框"Preset Name"。

技术细节

简单的文本输入框，圆角边框，较宽的 形状。点击Save按钮时，该值会被作为预设名称 采用。UI上没有长度限制，但保存的名称 必须能被JSON编码，并且能在UI列表中显示——表情符号和 变元音都可以正常使用。弹出窗口打开时，内容会 自动重置为空字符串。只要该字段去除首尾空格后为空， Save按钮就会保持禁用状态。没有 自动建议功能，也不会预先填入当前激活预设的名称。

位置

Save弹出窗口 → Cancel按钮（左侧）。

技术细节

关闭弹出窗口而不保存。放弃 文本框内容——下次打开时，它会再次被 Save…按钮逻辑（I1）重置为空。标准按钮样式， 没有确认对话框，没有快捷键。当前的TrainingConfig 保持不变，因为保存流程根本没有执行。

位置

Save弹出窗口 → Save按钮（右侧，样式更醒目）。

技术细节

触发实际的持久化操作。再次 验证名称非空（防御性检查），然后将 当前的TrainingConfig作为JSON写入应用存储。随后 关闭弹出窗口。以蓝色突出显示，只要 文本框为空就保持灰显。如果保存失败（例如 应用存储已满——极不可能发生），目前 没有可见的错误对话框；该预设会在 下次应用启动时干脆不出现。

位置

Inspector → 预设区域 → 操作栏 → Export…按钮。

技术细节

将当前选中的预设导出为 .radiancepreset文件（内部为JSON格式）。如果没有选中预设， 则处于禁用状态。点击时应用会打开一个Save对话框，预先填入 文件名（预设名称 + .radiancepreset扩展名）。 保存的格式包含完整的TrainingConfig以及 元数据（名称、类别、ID、内置标志）。在Finder中双击 会打开应用——但不会自动执行导入；用户 必须使用Import按钮（I6）。

位置

Inspector → 预设区域 → 操作栏 → Import…按钮。

技术细节

打开一个文件对话框，只允许选择 .radiancepreset文件（禁用多选）。选择后 会加载JSON文件，进行验证，并插入到 Custom类别中——使用新的内部ID，以避免 与内置预设发生冲突。导入操作会自动将 类别设为Custom，即使导出的预设原本 是内置预设。损坏的文件或与旧 架构版本不兼容的文件会被静默拒绝，没有 错误对话框（不过控制台日志会给出说明）。

位置

Inspector → 预设区域 → 每个类别中的每一个预设行。

技术细节

点击一个预设行会用该预设中的值替换 TrainingConfig的所有字段，记住当前激活预设的ID， 并重置Modified状态。行前面的激活对勾 只有在该预设被选中且未被修改时才会出现。 一旦TrainingConfig中的某个值被更改（其他Inspector区域中的 滑块、步进器、开关），名称后面就会出现一个 橙色的"Modified"徽章。内置预设无法 被覆盖——如果做了修改，必须通过Save按钮 （I1）创建一份自己的副本。

位置

右键点击任意预设行 → 第一个菜单项 "Export…"。

技术细节

功能与I5（Export…按钮）完全相同， 但访问起来更方便——不需要事先选中该预设。 直接导出被点击行中的预设。对所有 预设类别（内置或自定义）都同样有效，没有 限制。导出内容包含内置标志和原始 类别，但在重新导入时，类别会像I6中 描述的那样映射为Custom。

位置

右键点击任意预设行 → 第二个菜单项 "Duplicate"。

技术细节

将该预设克隆到Custom类别中。生成 一个新的内部ID，在名称后附加" Copy"，并保存 这份副本。对内置预设同样有效——克隆出来的 副本可以编辑。原件保持不变。TrainingConfig会 逐值复制（JSON往返），因此原件和副本之间 不存在引用绑定。

位置

右键点击自己的预设行 → 最后一个菜单项 "Delete"（红色，破坏性操作）。

技术细节

仅对Custom预设可见。内置预设 无法删除。该菜单项被标记为破坏性操作， 在上下文菜单中显示为红色，并放在分隔线之后， 以避免被误点。没有确认 对话框——点击一次即可立即删除该预设。被删除的 预设无法恢复（Cmd-Z在这里不起作用——当前版本中 撤销功能只适用于图片列表，不适用于预设 操作）。如果被删除的预设当时正处于激活状态， 当前的TrainingConfig保持不变，只是激活的 预设选择会被清空。

位置

Inspector → 预设区域 → 每个类别标题 （Capture Class、Classic、MCMC、Hybrid、Custom）。

技术细节

每个类别都有各自的折叠状态， 默认值各不相同：精选组Capture Class启动时 展开，Classic、MCMC、Hybrid和Custom启动时 折叠。该状态 不会被持久化——应用重启后，所有类别都会恢复到 默认状态。箭头图标（chevron）会以动画方式旋转。标题右侧的 数字显示该类别中预设的数量。点击的 可点击区域覆盖整个标题区域。

位置

Inspector → 相机与拍摄 → Camera Alignment （Projection 选择器下方的弹出菜单）。

技术细节

弹出菜单，而非分段选择器 — 标签文字太长，Inspector 窄栏容纳不下。显示哪些条目取决于构建版本：沙盒化的 App Store 版本提供Apple Photogrammetry和Native， 开发/DMG 构建则额外提供COLMAP。原因：COLMAP 是一个外部 命令行程序，沙盒化应用不允许启动外部二进制文件（App 审核指南 2.5.2）— 因此 Store 构建中不仅仅是灰显，而是完全没有 后端条目、Mapper 选择器及二进制路径：一个永远无法点亮的选项不是提示， 而是噪音。不要混淆：导入和导出 COLMAP 工作区纯粹是 Swift 文件解析，不需要安装 COLMAP，可在任何构建版本中使用 （第 1 章，M5）。Native 条目后的"（Beta）"后缀已经取消 — 自 v1.5.2 起 Native 不再是 Beta。选择结果决定下一次运行使用的 SfM 后端， 同时也控制下方哪些行可以操作（I13、High-Quality、Native SfM Recipe）。 界面脚注：对于未排序的照片集，管线始终用 Native 来对齐，无论选择器显示什么 — 这个方案只在此处存在。选择器 本身并不会被锁定（值本身并非不可用，只是被覆盖）；取而代之的是一个 带分支符号的提示。

位置

Inspector → 相机与拍摄 → FOV Override（始终可见， 仅当 Camera Alignment = Native 时可操作）。

技术细节

数值输入框（范围 0-170°），默认 0 = 从 EXIF 或启发式 方法自动确定。当输入图像是从不含焦距元数据的视频中提取出来时， 需要手动输入。典型值：iPhone Wide ≈ 73°，DJI Mavic Wide-Crop ≈ 70°， 全画幅传感器无人机 ≈ 84°。数值会被限制在 [0, 170] 之间 — 超出 范围的值会被直接拉回。仅影响原生 SfM 管线（Q4/Q5）；Apple Photogrammetry 完全忽略此值。自 2026-07-18 起：在其他后端下， 此字段不再被隐藏，而是被灰显 — 与"High-Quality" 和"Native SfM Recipe"一起，并附带一行锁形图标提示（"These configure the Native aligner — choose Native under Camera Alignment to change them."）。之前的隐藏方式掩盖了这些控件本身的存在。此门控与 所选后端相关，而非实际使用的后端 — 未排序照片集被转向 Native 的情况会由 I12 下方的提示单独说明。"Native SfM Recipe" 这一行 还需要一个未排序的照片集，否则会显示自己的说明行。

位置

Inspector → 训练配置 → Densification （分段选择器，始终可见）。

技术细节

在两种 Densification 策略之间切换：Classic（原始 3DGS 方法，使用 Clone/Split/Prune 和梯度阈值）和 MCMC（Stochastic Gradient Langevin Dynamics 结合 Relocation，NeurIPS 2024）。从 Classic 切换到 MCMC 时，应用会自动将 MCMC 专属字段设为经过验证的默认值 （Reg-Weights = 0、MCMC-Cap-Multiplier 3.0、Sample-/Noise-Schedule）。 若没有这个自动初始化，使用旧 Preset 的会话会遭遇 1.4.4 版的 MCMC-坍缩缺陷（460K→5 个 Gaussians，Watchdog 强制终止）。此选择器同时 决定哪些 Inspector 元素可见 — 选择 MCMC 时会出现 I16/I17。各字段 的详细作用见第 6 章，T11–T16（Classic）和 T61–T73（MCMC）。

位置

Inspector → 训练 → MCMC Quality（始终可见，在 Densification = MCMC 或 Hybrid 时可操作）。

技术细节

将梯度累积切换为 2 步（激活）或 1 步（未激活）。 在执行优化器步骤之前，累积来自两个连续相机视角的梯度。这会使 优化路径更平滑，让最终结果略有但明显的提升。代价是训练时间翻倍。 对于非常长的训练（20 万次迭代），这会带来额外 10+ 分钟的等待时间 — 因此只有在真正需要最后那一点点质量提升时才值得开启。仅影响 训练本身，不影响导出格式或视口渲染。同样适用于使用相同 MCMC 机制的Hybrid模式。自 2026-07-18 起：在 Classic 模式下这一行不再消失，而是与 I17 及"Max Gaussians"一起被 灰显；下方显示"Only used by the MCMC and Hybrid densifiers — switch Densification above to change these."

位置

Inspector → 训练 → Auto-scale by scene（始终可见，在 Densification = MCMC 或 Hybrid 时可操作）。

技术细节

激活后，有效的 Max Gaussians 上限会随 SfM 初始点数量 × MCMC-Cap-Multiplier（默认 3.0）缩放。举例：SfM 提供 25 万个初始点， 基础 Cap = 150K，Multiplier 3.0 → 有效上限 = max(150K, 750K) = 750K。 禁用时严格只使用基础值。基础值本身在正下方的 Max Gaussians一行中设置（自 1.8 起，默认 150,000，输入 限制在 10,000–30,000,000 之间）。若有效上限高于基础值，应用会以 明文提示（"Effective cap for this scene: …"）— 若数值过高， 还会附带 RAM 警告。该功能为 v1.4.5 引入，原因是超过 1000 帧的大型 户外拍摄，伴随高密度的 SfM 点云，用固定的 150K 默认上限会导致 Densification 被"饿死"— 多余的点留下，新的点无法产生。在自定义 Preset 中默认为关闭，在 MCMC 内置 Preset 中默认为开启。仅在训练 阶段起作用，不影响导出。自 2026-07-18 起：在 Classic 模式下， 此行会被灰显而非隐藏（提示行与 I16 相同）；明文显示与 RAM 警告在此处刻意不出现，因为 Classic 根本不应用上限。

位置

Inspector → 训练配置 → GroupBox → Max Iterations。

技术细节

步进器，范围 1,000–100,000，步长 1,000。决定优化器 迭代的总次数。与训练时间呈线性相关（减半 = 约 50% 时间）。经过验证 的常用值有 20K（Classic Balanced）、40K（Classic Quality）和 200K （MCMC Full）。超过 40K 后 Classic 几乎不再带来明显提升 — 收益 趋于平缓。修改此值时，如果链接功能（I19）处于激活状态，Densify Until 会按比例同步调整（默认比例：0.5，即 Densify-Until = Max/2）。

位置

Inspector → 训练配置 → GroupBox → Max Iterations 和 Densify Until 之间的小型链接按钮。

技术细节

切换按钮，用于冻结 Densify Until 与 Max Iterations 之间 的比例。激活时（链接图标高亮），每次修改 Max Iterations，Densify Until 都会按比例同步调整。取消链接时（链条加号图标），两个值保持 独立。默认为已链接，因为这反映了典型的相关性 — 当你把训练迭代 次数翻倍时，通常也希望 Densification 阶段按比例延长。设置链接按钮时 会根据当前值计算比例；典型比例为 0.5（Densify-Until = 迭代次数的 一半）。

位置

Inspector → 训练配置 → GroupBox → Densify Until。

技术细节

步进器，范围 500–50,000，步长 500。决定从哪个迭代索引 开始不再通过 Clone/Split（Classic）或 Relocation（MCMC）添加新的 Gaussians。达到该值后，只对位置和颜色进行细化。数值越高 = Gaussians 越多 = 文件越大，每次迭代耗时更长（每步 GPU 时间 +30-60%）。典型值： 15K（对应 30K Max-Iter）、20K（对应 40K）、100K（对应 200K MCMC）。 当链接（I19）激活时会自动按比例缩放。对 Classic 和 MCMC 的影响 不同：Classic 会完全停止增长，MCMC 停止 Relocation 逻辑，但 Sample-/Noise-Adaption 仍会继续运行。

位置

Inspector → 训练配置 → GroupBox → SSIM Weight。

技术细节

滑块，范围 0.0–1.0，步长 0.05，显示为"0.20"。 在 L1-Loss（0.0）和 SSIM-Loss（1.0）之间混合。L1 约束逐像素亮度， SSIM 约束结构相似性（边缘、局部统计特征）。默认值 0.2 来自原始 3DGS 论文（Kerbl 2023），对几乎任何场景都是稳健的折中方案。数值 更高（0.5+）会偏向保留细节，但可能忽略局部亮度误差。数值更低 （< 0.1）会导致锐利边缘处的细节损失。SSIM 计算在着色器中使用 11×11 的高斯窗口进行。性能方面：设为 0.0（仅 L1）时，训练大约快 8-12%，因为省略了着色器中的 SSIM 计算。

位置

Inspector → 训练配置 → GroupBox → Render Scale。

技术细节

滑块，范围 0.25–1.0，步长 0.25，显示为"100%"。相对于 源图像大小缩放训练渲染分辨率。对性能影响最大的杠杆：50% 可减少约 75% 的 GPU 时间（因为像素少了 4 倍），25% 可减少约 94%。梯度阈值 会自动按比例调整。滑块下方会显示以 MP 为单位的实时分辨率提示 （例如"2304×1296 (3.0 MP)"）。如果当前值偏离推荐值，会以橙色文字 显示"— recommended: 50%"。该推荐值的目标是约 3 MP 的有效分辨率 — 这是 Apple Silicon GPU 处理效率最高的区间。例如 4K 源图像会 自动推荐 25%，全高清图像推荐 100%。修改此值还会触发缓冲区重新 分配。

位置

Inspector → Training → “Runs automatically at the end of training” 组 → Post-Training Compactification。

技术细节

启用训练结束时的一个清理步骤：训练迭代完成后， 不透明度低于 0.01（即 1% 可见度）的 Gaussians 会被删除。这通常 能把文件大小缩减到大约一半，且不会造成可察觉的质量损失—— 因为这些 Gaussians 本来在视觉上就没有贡献。Compactification 作为 GPU 压缩（Compact）通道运行，根据 Gaussian 数量耗时从几分之一秒到几秒不等。 不会影响训练性能。如果关闭此开关，不可见的 Gaussians 也会被导出—— 这只在你打算把该格式用于进一步的训练阶段（Continue Training）时才有 意义，否则就是浪费存储空间。

位置

Inspector → Training → Perceptual Loss。

技术细节

滑块范围 0.0–0.2，步进 0.01，值为 0.0 时显示为“Off”，否则显示为“0.05”等。启用一个额外的损失项， 将渲染结果的多尺度高斯模糊与真值（Ground-Truth）图像进行比较 （3 个模糊尺度）。能捕捉到仅靠 L1+SSIM 无法识别的结构性差异。 0.05 到 0.1 之间的值能明显改善精细结构，同时只消耗少量训练时间—— 大约 5%（通过模糊卷积核的额外前向传播）。超过 0.15 训练会变得不稳定， 质量反而下降，因为这个损失项会主导优化过程。它在训练期间起作用， 而不是在后处理阶段——尽管它在训练分区末尾的增强行中， 所以这并不是纯粹的事后提升。

位置

Inspector → Training（Outdoor 组）→ “Sky Masking” 开关。按项目保存；默认：关闭。

技术细节

启用基于 Apple Vision 的训练前天空像素分割。 在训练开始前，会针对每个输入相机通过 Apple Vision 前景遮罩 提取天空区域（天空 = 背景），并作为逐像素遮罩与相应相机关联。 训练期间，每个像素的损失贡献会乘以天空遮罩的补集—— 天空像素对梯度的贡献为 0，因此那些投影到天空中的 Gaussians 不会得到优化信号，也就不会变得“更密”或“更亮”。能显著减少 Outdoor/无人机场景中的漂浮物（天空中的深色团块）。在经典 40K 训练中大约会造成 3% 的 L1 回归。只在天空清晰可辨的 Outdoor 场景中有意义；在室内场景或白色背景下，天空分割会错误地 识别区域，并阻挡有效的损失信号。该值按项目保存 （不再是应用全局设置），并跟随 Preset 或场景文件。

位置

Inspector → Training（Outdoor 组）→ “Floater Cleanup”开关 （副标题“Remove Gaussians outside all camera views”）。按项目保存；默认：关闭。

技术细节

该开关控制 两种效果，各自有 不同的触发条件；两者都在启动时推导到运行时本地配置中， 不会写入已保存的配置（否则它们会作为一次性锁定状态残留下来）。(1) 训练结束时的 Frustum-Union-Cull——所有相机视锥体并集之外的 Gaussians 会被移除（“从未被观测到”＝“从未受到约束”，而这正是大多数 漂浮物的来源）。这部分没有策略限制条件，在 Classic、MCMC 和 Hybrid 下都同样运行——开关正是以此命名的。(2) 运行途中的两次额外密度控制步骤——仅在 Classic 下，且仅当迭代次数达到 30,000 以上时才会执行， 设定在运行长度的 55% 和 85%（例如在 35K–40K 的运行中大约对应 20K 和 30K）。这两个步骤都会寻找不透明度极低、屏幕空间尺寸极小 且没有损失贡献的 Gaussians 并清除它们。效果：最终 Gaussian 数量 减少约 5%–15%，无人机/户外场景中天空里的深色团块明显减少。 在近景室内场景中会造成大约 1%–3% 的 L1 回归，因此没有作为默认 开启。该值按项目保存，并跟随 Preset 或场景文件。 相较于早期版本的更正：该开关不再局限于 Classic 密度控制器，在 MCMC/Hybrid 下也不再显示为灰色不可用—— 之前的做法恰恰把 MCMC 和 Hybrid 用户挡在了对他们同样有效的 剔除功能之外。对于较短的运行（例如 P2 Preview 5K），只是运行 途中的那一部分不会执行。

位置

Inspector → Training（Outdoor 组）→ “Reconstruct Sky Dome”开关。按项目保存；默认：关闭。

技术细节

在训练开始前启用天空穹顶（Sky Dome）投影。 在 SfM 之后、训练开始之前，会针对每个输入相机从图像中提取 S7 中共享使用的 Apple Vision 天空遮罩，天空像素会通过相机 内参反投影到一个虚拟球面上（默认半径为场景半径的 8 倍）。 在这个球面上会初始化大约 5000 个新的 Gaussians，其颜色取自 投影天空像素的平均值，缩放非常大（场景单位下为 1.0）， 初始不透明度为 0.95。这 5000 个 Gaussians 并不是传统意义上的 天空遮罩——它们会像其他所有 Gaussians 一样接受训练，但由于 初始不透明度很高，会被留在一个薄薄的壳层内。结果：在 Outdoor/无人机场景的 360° 新视角中，会出现真实的天空颜色和 云层结构，而不是深色的彩色团块。该值会在重启后保持。仅在 至少具有 360° 相机覆盖的户外场景中有意义；对于没有天空视野的 纯物体拍摄场景没有任何效果。状态：实验性，尚待在更多户外 数据集上进行更广泛的 A/B 验证。

位置

Inspector → 进度 → Training Metrics → Iteration。只读。

技术细节

显示格式为「4523 / 40000」——当前 迭代数与计划的总迭代数。与训练循环同步计数，训练循环大约每 ~30 次迭代推送一次数值。第二个数字对应 启动时刻的最大迭代数值；即使用户之后调整了步进器，该值也不再 改变——正在进行的运行使用其自身的快照副本。如果 App 通过训练菜单追加迭代数（Continue Training +5K/+10K/+20K），分母会相应增大。

位置

Inspector → 进度 → Training Metrics → Loss。只读。

技术细节

带六位小数的浮点数值（例如 「0.024385」）。度量组合后的 L1+SSIM 损失（混合比例由 I21 SSIM Weight 控制），外加可选的感知损失（Perceptual Loss，I29）以及其他 正则项。该数值的量级并非绝对值，而是依场景而定—— 大多数比较都要求使用同一数据集。良好配置下的典型 最终值：- Classic Quality 40K iters： 0.022–0.025（Horse、Truck、Garden）- MCMC Full 200K iters：0.024–0.028 - 户外无人机 30K：0.030–0.060（受几何结构影响偏差） - 室内公寓：0.018–0.025

若 5K 次迭代后数值仍高于 0.10，说明可能存在 SfM 问题（相机位姿不佳）——应中止并重新计算 SfM。

位置

Inspector → 进度 → Training Metrics → Learning Rate。只读。

技术细节

以科学计数法显示（例如「1.60e-04」）。 位置（Position）参数当前的学习率（3DGS 有六个独立的 学习率，分别对应位置、SH-DC、SH-Rest、不透明度、缩放、旋转——此处 显示的是位置学习率，作为代表性数值）。默认初始值为 1.6e-4，通过指数衰减在训练结束时降至 ~1.6e-6。 衰减方式可通过训练配置中的学习率调度字段（第 6 章中的 T 字段）调整。若学习率异常地保持较高（例如 10 000 次迭代后 仍为 1e-3 或更高），可能表明加载了有误的 配置。

位置

Inspector → 进度 → Training Metrics → SH Degree。只读。

技术细节

取值范围为 0-3 的整数。用于颜色 表示的球谐（Spherical Harmonics）阶数。从 0 开始（仅有 DC 分量，即每个 Gaussian 的方向无关颜色——也就是仅有 一个 RGB 常数），在训练过程中逐步提升到 3。默认调度在第 1000/2000/3000 次迭代时将阶数各提升 1 级。SH-3 对应每个 Gaussian 48 个颜色系数 （3 个 RGB 通道 × 16 个球谐基函数）。更高的 SH 阶数意味着更多 方向相关的反射效果（有光泽的表面在不同视角下会正确地呈现 不同外观），但也会占用更多存储空间且减慢 训练速度。

位置

Inspector → 进度 → Training Metrics → Gaussians。只读。

技术细节

模型中当前的 Gaussians 数量，以本地化 千位分隔符格式显示（例如「524.318」）。增长模式：- Classic：从 SfM 初始点开始（通常为 50K-300K），通过克隆/分裂（Clone/Split）增长，直到 接近 Densify Until，之后保持静止直至训练结束（受剪枝影响可能有微调） - MCMC：采样点不断添加，直到达到 MCMC 上限，之后 只进行重定位（Relocation）

健康的最终值：- Classic Quality：400K-700K（Horse 524K、Garden 800K） - MCMC Full：恰好达到上限（默认 150K，配合 Auto-Scale 乘数 × SfM 数量，视场景而定为 500K-1.5M）

在 MCMC 模式下，若该数值降至上限的 60% 以下 → 异常 （崩溃指标，表明正则项过于激进）。

位置

Inspector → 进度 → Training Metrics → GPU Memory。只读。

技术细节

Gaussian 缓冲区内存占用的估算值，计算方式为 Gaussian 数量 × 616 字节（以内存显示样式格式化）。616 字节 是一个功能完整的 Gaussian 的大小（位置、 缩放、旋转、不透明度、3 阶 SH 系数、梯度 累加器）。该显示值 不 包含渲染器开销 （瓦片缓冲区、排序缓冲区、反向传播缓冲区）——实际的 GPU 内存需求通常是此数值的 2-3 倍。在 500K 个 Gaussians 时： 显示约 290 MB，实际约 700 MB。在 1.5M 个 Gaussians 时：显示约 880 MB，实际约 2.5 GB。在拥有 64+ GB 统一内存的 M3 Max 上无关紧要， 但在拥有 18 GB 内存的 M3 Pro 上已经是一个瓶颈。

位置

Inspector → 进度 → Training Metrics → Speed。只读。

技术细节

以每秒迭代次数显示，保留一位小数 （「24.3 it/s」）。由训练器计算为最近约 100 次迭代的 滑动平均值。典型数值：- Quick Preset（1K iters）：80-120 it/s（时间太短，未达稳态）- Classic 20K @ 1.0 Render Scale（Truck 场景，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 （由于重定位而较慢）- 在 100 万以上 Gaussians 且全分辨率时： < 10 it/s

训练过程中速度下降是正常现象——Gaussians 越多 = 每次迭代的计算量越大。突然的骤降（例如从 30 → 5 it/s） 表明可能存在 GPU 热节流或有其他 App 在争抢资源。

位置

Inspector → 进度 → Training Metrics → Elapsed。只读。

技术细节

已经过的时间，格式为「4:23」（m:ss）或 「1:23:45」（h:mm:ss）。超过 1 小时后自动切换格式。仅测量 纯训练时间，不包括前置阶段（SfM 计算、图片 导入）。暂停/恢复时计时器仍会继续运行——因此是墙钟时间 （wall-clock），而非 CPU 时间。

位置

Inspector → 进度 → Loss History → 左侧标签区域 「Current: 0.0075」。只读。

技术细节

最后一个损失采样点的浮点值， 以四位小数格式化显示。与 I31（Metrics 分区中的 Loss）相同， 只是这里的格式更紧凑。数据来源是 Loss History — 一个每约 30 次迭代添加一条记录的列表。 只有有限值会被加入该列表 — NaN/Infinity （极其罕见，出现在梯度爆炸 bug 的情况下）会被 过滤掉。

位置

Inspector → 进度 → Loss History → 右侧标签区域「Min: 0.0051」（绿色）。只读。

技术细节

当前训练运行中出现过的所有损失值的最小值。 每次都从 Loss History 实时重新计算 — 没有单独的持久化存储。以绿色字体显示， 因为「Min」= 「目前为止最好」。图表下边缘的绿色虚线 在视觉上标记出这个 Y 坐标位置。在续训（Continue-Training） 会话中，最小值追踪会重新开始 — 旧的历史记录 会在界面中被新的替换（而非追加）。如果当前 训练的效果比之前的差，那么显示的最小值就可能 大于之前的最终结果。

位置

Inspector → 进度 → Loss History → 下方第二个图表 （橙色）。只读。

技术细节

Gaussian 数量随训练迭代次数变化的折线图。数据来源： Gaussian-Count-History（由训练器每约 30 次迭代填充的 （Iter, Count）配对列表）。Y 轴刻度在历史记录的 最小值与最大值之间动态调整。在 Classic 策略下，曲线通常表现为：持续上升直到 Densify Until， 之后趋于平缓（伴有小幅 Pruning 波动）。在 MCMC 下： 陡峭上升直到达到 Cap，然后呈水平线（Relocation 使 数量保持恒定）。结尾处出现下降是正常的 — 上图中 曲线从约 16K 降至 9,660，这是因为 清理步骤在最后一次迭代之后生效（I26）。真正令人担忧的 只是训练 过程中间 出现的骤降：那说明 Densification 剪枝过于激进 — 这可能是默认值设置有误，或是 已知的 MCMC 崩溃 bug（v1.4.4 热修复议题）的迹象。