第 4 章 — 辅助窗口

除了主窗口（3D 视口加 Inspector）之外，RadianceKit 还管理着另外六个窗口，它们都可以通过帮助菜单打开。该菜单共有八个条目，从上到下依次是：User Guide (⌘?)、Keyboard Shortcuts (⌘/)、Open Training Logs… (⇧⌘L)、Open Exports Folder…、Manage Storage…、Pareto Dashboard… (⇧⌘D)、Holdout Analysis… (⇧⌘H)、BayesOpt Console… (⇧⌘B)。这两个「Open …」条目并不会打开 App 窗口，而是打开 Finder；因此本章不再对它们做进一步说明。其中三个窗口 — Dashboard、Holdout、BayesOpt — 是 独立的分析工具：它们与主窗口无关地运行，并在磁盘上读写 JSON 文件。这三个窗口都是通过帮助菜单打开的，打开后你需要自己 在窗口中选择要分析的文件或文件夹 — 通过「Open Reports Folder…」、「Open transforms.json…」 或「Start」按钮进行选择。这三个窗口是唯一未做本地化的部分：它们的 按钮、滑块和列标题在每种语言版本中都保持英文原样。因此本章中提到的这些 标签，你在屏幕上看到的会是完全相同的文字。

三个简单窗口（User Guide、Keyboard Shortcuts、Manage Storage）以及两个文件夹菜单项（Open Training Logs / Open Exports Folder）每个控件都配有一条简短说明。三个分析窗口 的文档则更为详尽 — 每个都配有一段引言，说明你在窗口中会看到什么、 什么时候应该打开它，以及该如何解读所显示的图像。

本章末尾有一个交叉引用小节，涉及主窗口的 Inspector：在训练进行过程中，你可以从实时 Loss 图表和 Gaussian 计数显示中读出哪些有意义的信息。

用户指南 (W1–W4)

这是什么： 一个内置的帮助窗口，用于渲染随应用一起提供的 guide_<sprache>.md。语言来自设置（General 选项卡 → Language），若该处设置为「系统」，则从 macOS 的语言偏好中推导得出。布局采用经典方式：左侧为包含所有标题的侧边栏，右侧为正文内容。

当你需要快速回忆某个单一要点时 — 也就是作为速查笔记的替代品。详尽的参考资料是本手册；内置的帮助窗口是用于快速查阅的简明版本。它会随每次应用发布同步更新，但内容保持得较为简略。

W1NavigationSplitView（侧边栏 + 详情）

位置

Help → User Guide (⌘?)。

技术细节

双栏布局，包含一个用于内容树的窄侧边栏 （至少 180 pt 宽）和一个用于实际 Markdown 内容的可滚动详情区域。窗口的 最小尺寸为 700 × 500 pt。首次打开时，窗口会 从应用包中加载对应的 guide_<lang>.md（回退为 guide_en.md），将其解析为若干块记录（标题 H1–H4、 段落、列表、表格、分隔线），并单独提取 标题结构用于侧边栏。行内格式（粗体、 斜体、代码片段）通过内置的 Markdown 引擎渲染。 语言从应用设置中读取，特殊情况是 简体中文（zh-Hans）和巴西葡萄牙语（pt-BR），它们 会保留为完整的 Locale 标签，因为这两个变体与 zh 或 pt 有所不同。

W2List（标题侧边栏）

位置

用户指南窗口的左栏。

技术细节

列出当前 Markdown 文档的所有 H2 和 H3 标题的列表。H2 条目不带缩进，以中等字重显示； H3 条目左侧缩进 16 pt，前景样式减弱。所有其他层级 — 无论是 H1 还是 H4 及更深层级 — 都不会出现在侧边栏中，因为这样会 使其显得杂乱。锚点 ID 通过对 标题文本进行 slug 化生成（转小写 + 空格替换为连字符 + 仅保留字母/数字/连字符 — 与 GitHub 用于其 Markdown 锚点的算法相同，因此指向文档的外部 URL 也有可能落到同一个锚点上）。该列表采用 原生 macOS 风格。

W3Button（标题 → 锚点跳转）

位置

每一行侧边栏都对应一个按钮。

技术细节

每个侧边栏条目都是一个按钮，点击后会设置 当前锚点，但外观上看起来像一个普通的列表项。一个 观察变量随后会触发滚动跳转到对应的 锚点，并伴有 0.3 秒的平滑动画。跳转完成后， 锚点值会被重置，以便下一次点击同一个锚点时 能再次触发（否则观察者不会再次触发，因为 该值没有发生变化）。

W4ScrollView（详情内容）

位置

右栏。

技术细节

可滚动、垂直堆叠的内容区域， 采用惰性渲染，因为较长的指南很容易超过 200 个 Markdown 块 — 若采用非惰性方案，则会同时实例化所有内容。每个 块都有自己的 ID，要么是标题锚点（每个标题 都会获得一个锚点，与层级无关），要么是索引占位符。 最大宽度为 720 pt，内边距为水平 32 / 垂直 24， 以便长文本行保持良好的可读布局。表格 按单元格渲染，使用水平堆叠和分隔线；行内 代码则通过内置的 Markdown 引擎渲染。真正的代码块目前 会被当作普通段落处理 — 这是帮助窗口 的一个已知限制。

键盘快捷键 (W5–W6)

分为五个部分的静态参考列表。 Navigation： 鼠标拖拽（Orbit/Fly）、 Shift+Drag/Right-Drag（Pan）、Scroll（缩放）、WASD（飞行穿越移动）、 Q/E（上/下）、F（切换 Orbit/Fly）、双击（重新居中）、 Cmd+Scroll（调整视场角）。Views： R（重置相机）、T （自动旋转）、P（相机回放）、B（背景循环）、0–9 （跳转到训练相机 1=10%/5=50%/0=最后一个）、Left/Right Arrow （上/下一个相机）。Capture： S（截图到桌面）、V （转台视频）、C（复制相机信息）。Editor： Tab （编辑模式）、点击/拖拽（画笔选择）、Option+Click（取消选择）、 X / Delete（删除选区）、Cmd-Z（撤销上次删除）、 [ / ]（画笔缩小/放大）、Esc（取消选区）。 Training： Option+Space（暂停/继续训练）、Cmd+E （导出场景）。这里没有更多内容 — 开始、取消以及 延长训练要通过训练菜单进行（第 1 章）。

这是什么： 一份简单的静态总览，列出所有快捷键 — Navigation、Views、Capture、Editor、Training。内容是固定内建的， 不会从文件中动态加载。

当你想找到在 Viewport 中做某事最快的方法时。 WASD 飞行穿越、R 重置相机、B 背景循环 — 都列在这里。

W5ScrollView（内容区域）

位置

Help → Keyboard Shortcuts (⌘/)。

技术细节

一个简单的滚动区域，里面是一个 纵向列表。四周留白 20 pt，没有 侧边栏导航树（列表足够短）。内容分为 五个部分（Navigation、Views、Capture、Editor、Training）。 每个快捷键组合占一行，两列都是可翻译文本。 左侧列（按键代码）固定宽度为 180 pt，使 右侧的说明保持纵向对齐。除了滚动之外没有其他交互 — 点击某一行不会触发任何操作，快捷键 是菜单和 Viewport 上真实的键盘修饰键。

W6VStack（快捷键分组）

位置

位于 ScrollView 内部。

技术细节

左对齐堆叠的各分组，间距 16 pt。 在这五个分组内部，各自是标题 + 一系列行。 标题使用次级 Subheadline 样式 — 有意不使用 Title 格式，因为这些分组不需要可导航。内容 有意保持扁平（没有 Disclosure、没有 Search、没有 Filter）， 以便该组件在每个 macOS 版本上都能保持不变运行， 且文件本身保持可读。

管理存储空间（W7–W12）

这是 RadianceKit 管理的所有文件的表格视图。标题栏显示共 1,356 项，总大小 55.1 GB。上方工具栏： 「Show in Finder」+「Refresh」。每一行包含：导出图标、文件名（例如 training_20260718T194416Z.ply）、导出日期、大小（此处从 7.8 MB 到 2.24 GB 不等）、 放大镜图标（Reveal）和垃圾桶图标（Move to Trash）。排序首先按类别分组， 类别内部再按日期排序，最新的在最上面。这张截图中以 PLY 导出文件为主， 因为这个存储位置主要保存的是训练结果。

这是什么： 一个磁盘占用总览，涵盖 RadianceKit 存放在 ~/Documents/RadianceKit/ 下的所有内容 — 日志、导出文件、场景、 （来自 iOS 伴侣应用的）采集包、导入（输入图片的暂存副本）。每一项都显示 以字节为单位的大小，以及两个按钮：「在 Finder 中显示」和 「移到废纸篓」。这功能不是自动清理 — 应用本身不会删除任何东西； 你需要逐项自行决定。这个窗口已本地化：中文界面中标题为「管理存储空间」， 标题栏的两个按钮名为「在 Finder 中显示」和「刷新」，行内按钮名为 「在 Finder 中显示」和「移到废纸篓」。下方各条目中出现的英文名称 是英文版界面中的对应名称。

当磁盘空间快用完的时候。首先会堆积起来的通常是日志 （每次训练尝试对应一个 JSONL 文件，外加 _qualityMetrics.json）； 导出文件当然也会累积（PLY 是 100% 原始数据，每次导出一个文件）。 在崩溃之后也很有用，此时导入暂存目录里可能还残留着输入图片的旧副本。

W7「Show in Finder」按钮

位置

存储浏览器窗口标题栏右上角。

技术细节

在 Finder 中打开 RadianceKit 的数据文件夹 — 也就是这个窗口所列内容对应的目录。这样你可以直接看到文件夹结构 （日志、导出、场景、采集、导入），也可以直接用 Finder 移动或复制 文件。此操作会打开一个新的 Finder 窗口；窗口中的列表本身不会因此 更新 — 这就是「Refresh」（W8）存在的原因。

W8「Refresh」按钮

位置

标题栏，紧邻 Finder 按钮。

技术细节

触发一次后台扫描，运行在用户发起的异步任务上， 以确保扫描大型目录树不会阻塞界面。实际的遍历过程会依次检查所有已知的 子文件夹（日志、导出、场景、采集、导入），并为每个直接子项生成一条 存储条目。每一条都会计算递归大小 — 优先使用实际磁盘占用量 （包含 APFS 硬链接共享），若不可用则回退到逻辑文件大小。

W9List（存储条目列表）

位置

标题栏下方的主要内容区域。

技术细节

列表中每一行的布局如下：类别专属的 SF Symbol 图标 （日志对应文档图标，导出对应上传箭头，场景对应立方体，采集包对应 iPhone 图标，导入对应托盘图标）、名称 + 副标题 （种类标签 + 格式化的修改日期）、右侧的字节数（右对齐，等宽字体）、 Reveal 按钮（放大镜图标）、Trash 按钮（垃圾桶图标）。排序规则： 首先按种类排序（场景在前，其次是导出、日志、采集、导入、其他）， 其次按修改日期降序排列（最新的在上面）。如果扫描仍在进行， 该区域会改为显示「Scanning…」进度提示。如果没有找到任何内容， 会显示带托盘图标的空状态提示。

W10行按钮「Reveal in Finder」

位置

每行右侧的放大镜图标。

技术细节

打开 Finder 并选中该具体项目（文件或文件夹）。 与 W7 的区别：W7 打开的是根目录；W10 精确定位到这一个条目。 实用工作流程：先找出一个占用较大的条目，点击放大镜图标，然后可以 将其复制到例如外部存储卷。

W11行按钮「Move to Trash」

位置

每行放大镜图标右侧的垃圾桶图标。

技术细节

触发确认对话框（W12）。只有确认之后才会执行 macOS 标准的「移到废纸篓」操作（因此是可撤销的，不是直接删除）。 成功移入废纸篓后，该条目会从列表中移除，总字节数计数器也会随之更新。 出现错误时会弹出模态错误对话框。

W12ConfirmationDialog（删除确认）

位置

由 W11 触发，以 macOS 表单（sheet）形式呈现。

技术细节

标准确认对话框，带有动态标题「Delete <name>?」 以及一行提示文字，明确说明该条目会被放入废纸篓，并可以从那里恢复 （直到废纸篓被清空为止）。两个按钮：「Move to Trash」作为破坏性操作 （以红色显示）和「Cancel」，并自动绑定 Esc 键。该对话框是非模态的， 意义在于它只会阻塞这一个窗口，而不是整个应用 — 这是 macOS 对 可撤销删除操作的标准做法。

Pareto 仪表盘 (W13–W22)

空状态（首次打开后）— 带有「Open Reports Folder…」行动号召的空状态提示。 一旦加载了训练报告，数据点就会出现，参见下一个截图。

顶部工具栏右侧显示「384 reports of 384」（所选文件夹中的所有报告均已成功解析）； 「Open Reports Folder…」按钮左侧显示已加载文件夹的名称，此处为「Benchmarks」。 坐标轴：X 轴选择器设为 Gaussians，Y 轴选择器设为 PSNR (dB)， 旁边是激活的「Show Pareto Front」勾选框。左上角图例：蓝色 = mcmc，绿色 = classic，橙色 = hybrid，另外还有 Mip-Splatting 开/关的符号形状。 虚线的 Pareto 前沿沿着最佳达成的 PSNR 值延伸，在约 30 万 Gaussians 处于 PSNR≈30 dB 附近趋于平台期； 点云一直延伸到超过 150 万 Gaussians。右侧过滤芯片：超过 30 个场景（包括 bicycle、bonsai、family、flowers、garden、kitchen、 stump、truck 以及带编号的 360、drone 和 photo 测试系列）、3 种策略（classic、hybrid、mcmc）、3 种 Mip-Splatting 选项（All、On、Off），当前激活「All」。当前没有设置 场景或策略过滤器，因此点集较为密集。

这是什么： 一个多次训练对比工具。你以前可能 训练过多个场景，或用不同预设训练同一个场景 — 每次训练运行的 基准测试评估都会生成一个 JSON 报告文件，其中包含最终 PSNR、 SSIM、LPIPS、Gaussian 数量和实际运行时间等信息。界面中没有专门为此评估提供 开关；仪表盘只是对所选文件夹中已有的报告进行评估。它 会同时读取一整个文件夹中的这类报告，并将它们绘制为可选坐标轴的 二维散点图。此外，Pareto 前沿（即非支配点的集合）会以虚线 形式绘制出来。

在你已经生成至少三到四个 训练报告之后。数据点太少时，前沿线没有意义。典型用例：你 尝试重建一个户外场景，依次尝试了 P3 Balanced (Classic)、P4 Quality (Classic)、P8 Quality (MCMC) 和 P9 Drone / Aerial — 现在你想知道哪种配置每秒训练时间提供 最佳 PSNR，或者哪种配置在给定 PSNR 下所需 Gaussians 最少。

两个坐标轴都可以自由选择（X 轴：Gaussians、 训练时间、PSNR、SSIM、LPIPS 等；Y 轴同理）。 Pareto 前沿计算对每个指标都知道是「越小越好」（LPIPS、Gaussians、Training Time、 BRISQUE）还是「越大 = 越好」（PSNR、SSIM、FSIM、MS-SSIM）— 因此该线根据坐标轴选择 从左下到右上，或从左上到右下延伸， 始终沿着已达到的最佳组合走。一个点是 Pareto 最优的，当且仅当没有其他点在两个维度上都至少 同样好（即没有其他点支配它）。Pareto 最优的点 位于线上，其他点则在其右侧/上方（视坐标轴方向而定）。 恰好位于线上的点是「最佳预设」的真正 候选；远离线的点则是浪费的训练时间。

你可以将选择限制在某个 特定场景上（例如你只想比较户外运行结果时），限制在某个特定策略上（classic、hybrid 或 mcmc）， 或者限制在 Mip-Splatting 开/关上（Mip-Splatting 是一个面向 高级用户的可选设置，因此直接对比很有价值）。

你在一个报告文件夹中有「truck」场景的三份报告： Run A（P4 Quality (Classic)，52.4 万 Gs，105 秒，PSNR 23.4）、Run B（P8 Quality (MCMC)，15 万 Gs，693 秒，PSNR 24.6）、Run C（P5 Ultra Detail，125 万 Gs，312 秒，PSNR 25.8）。将 X 轴设为 Training Time，Y 轴设为 PSNR。Run B 位于右上方，Run C 更靠右上方，Run A 位于左下方。Pareto 前沿连接 A 和 C — 两者都是非支配点。Run B 「出局」（C 在 时间和 PSNR 两方面都更好）。结论：对于「truck」，MCMC 路线 不划算；要么快而够用（A），要么慢而非常好（C）。把 C 的配置 保存为独立预设（Inspector → I1 Save Preset）。

下一步操作： 将最佳配置保存为预设。 具体做法：查看 Pareto 点（悬停在工具提示中显示 PSNR/SSIM/LPIPS/Gs/Time），决定哪一个最符合你在 时间与质量权衡上的需求，打开对应的报告 （文件名包含运行时间戳），将其训练配置复制到 新的运行中，或者在下一次 训练会话后通过 Inspector 将其保存为预设。

W13「Open Reports Folder…」按钮

位置

左上方工具栏。

技术细节

打开一个文件夹选择对话框，提示 「Select a folder containing benchmark .json reports」。确认后 会运行一个后台任务，依次解析文件夹中所有 .json 文件。有问题的报告（损坏的 JSON、错误的 架构）会被收集，并在侧边栏底部显示为「N file failed to parse」— 不会崩溃。如果在第一次加载仍在进行时进行第二次点击， 之前的任务会被取消，以避免两个结果同时 写入状态。

所选文件夹不会被永久记住：通过 帮助 → Pareto Dashboard…（⇧⌘D） 再次打开窗口后，你需要在这里重新选择它。加载后的 文件夹名称会显示在按钮右侧。

W14「X-Axis」选择器

位置

图表上方，左侧。

技术细节

菜单选择器，包含仪表盘模块中所有可用的 度量坐标轴（PSNR、SSIM、LPIPS、Gaussian 数量、训练时间 等）。默认值为 Gaussian 数量。切换时 悬停的点会被重置，因为在坐标轴切换之前高亮的 位置在切换坐标系后已不再有意义。选择器宽度 限制为内容宽度，以免占满整行。

W15「Y-Axis」选择器

位置

图表上方，X-Axis 旁边。

技术细节

与 W14 相同，只是默认值为 PSNR。 坐标轴选择独立保存，因此用户也可以选择 无意义的组合（X=PSNR，Y=PSNR — 会将所有点都落在 一条对角线上）。这类组合不会被拦截；这是有意为之，因为「SSIM 对比 PSNR」这样的比较确实有意思，可以看看 这些指标之间的一致性如何。

W16「Show Pareto Front」开关

位置

坐标轴选择器右侧。

技术细节

一个勾选框，默认勾选。 Pareto 前沿会作为额外的线叠加在点云图上 — 虚线 样式（4–4 间隔），灰色半透明， 线宽 1.5 pt。注意： 在发布版本中 该勾选框对图表没有实际影响 — 无论是否勾选， 前沿线始终会绘制。每次切换坐标轴或每次改变过滤条件后 前沿都会重新计算。

W17「Scene」过滤芯片

位置

仪表盘窗口右侧边栏。

技术细节

针对已加载报告中出现的每个场景的 过滤芯片。使用自定义流式布局，一旦宽度用满， 芯片会自动换到多行排列。激活的芯片 使用强调色背景，未激活的使用中性的 标准材质背景。支持多选 （集合语义）；如果没有芯片被选中，则视为所有场景都「通过」 过滤 — 即集合逻辑是「空选择 = 全部」， 而非「空选择 = 无」。

W18「Strategy」过滤芯片

位置

侧边栏中 Scene 过滤器下方。

技术细节

与 W17 完全一样，只是针对训练 策略 — 通常是「classic」、「hybrid」和「mcmc」这三个值， 来自基准测试报告 JSON 中的 Strategy 字段。当你混合了 多种策略的报告，只想查看某一种时（例如「只显示 MCMC 运行， 因为我已经排除了 Classic」），这会很有用。

W19「Mip-Splatting」过滤芯片

位置

侧边栏中 Strategy 过滤器下方。

技术细节

三值过滤器（不像 W17/W18 那样是集合）： 「All」/「On」/「Off」。背景说明：Mip-Splatting 是一个 多尺度扩展，是否有帮助取决于场景 — 因此 它仍然是一个需要主动开启的设置，而非默认项。 当你想比较 Mip 开/关时，通常想非常清晰地区分。 因此设计了这个专用的三态过滤器，状态为「全部 通过」「仅 Mip 开」「仅 Mip 关」。只要加载的集合中包含 报告，侧边栏这一部分就会出现 — 也就是几乎 总是如此；只有在完全没有加载任何内容时才会消失。

W20ChipButton（过滤器切换开关，all/on/off）

位置

辅助组件，用于 W17/W18/W19 中。

技术细节

极简的按钮包装组件。内容：标签 文字，使用 Caption 字号，内边距水平 10 / 垂直 5。 背景条件式设置：如果激活 → 应用强调色配白色文字； 否则使用中性的标准材质背景，配普通 文字颜色（会自适应浅色和深色外观）。形状 为胶囊形（Capsule）。使用纯按钮样式，避免胶囊 材质被系统边框覆盖。

W21图表（Pareto 散点图）

位置

仪表盘中间区域。

技术细节

Swift Charts 图表，包含两个图层：1. 每份报告 一个点 — 位置由所选的 X 和 Y 指标决定，颜色 按 Strategy，符号按 Mip 状态区分。符号大小正常为 80， 高亮时为 200（当该 ID 对应当前悬停的报告时）。 2. Pareto 前沿的线（参见 W16 — 始终会绘制）。此外 当前悬停的点上方会显示一个小胶囊，展示 场景名称。

图表覆盖层：一个透明矩形捕捉鼠标移动；每帧 计算绘图坐标系中欧几里得距离最近的点位置， 如果距离在 24 px 以内则更新悬停的报告 （否则重置）。这样你无需点击即可获得工具提示 — 悬停即可。

W22工具提示（悬停详情）

位置

图表下方，悬停时显示。

技术细节

水平堆栈：场景名称（Headline 字号）、 Strategy 标签（Caption 字号）、分隔线，然后是 PSNR/SSIM/LPIPS/Gs/Time 各项指标，各自作为一个小的 垂直分组（标签 + 等宽字体数值）。如果启用了 Mip，还会额外显示一个「Mip」胶囊标签，使用 强调色。背景为半透明模糊，圆角矩形， 圆角半径 8 pt。仅在鼠标确实位于 某个点上时才显示。移开鼠标后自动消失。

保留分析（Holdout Analysis，W23–W29）

空状态，带有空态提示和「Open transforms.json…」的行动号召按钮。接受 NeRF-Studio 和 Instant-NGP 格式。相机 标记会在加载 transforms.json 后出现—见下图。

顶部显示已加载的文件 （transforms.json）以及相机数量（「86 cameras」）。左侧边栏： 策略选择器，有两个选项—Angular (longitudinal) 处于激活状态 （按相机绕轨道的经度角排序，然后按轮转方式分配 到各 Fold）对比 Linear (round-robin) （同样的轮转分配方式，但按图像顺序而非视角排序）。k-Folds 滑块设为 5，测试 Fold 选择器设为 Fold 1。导出按钮生成一个 fold-assignment.json，供外部 评估工具进一步使用。中间面板： 所有 86 个相机的 3D 地球仪投影，分布在整个球面上— 绿色点 = 训练，红色点 = 当前测试 Fold（Fold 1，共 18 个相机）。右侧边栏（Angular Correlation）：每个 Fold 的相机数量 + 最近角度平均值（Fold 1：18 个相机 / 8.5°，Fold 2：17 / 6.1°，Fold 3： 17 / 6.2°，Fold 4：17 / 6.7°，Fold 5：17 / 6.4°）—数值越小 意味着每个测试相机都有一个邻近的训练相机，测试 因此更容易。

这是什么： 一个带有交叉验证逻辑的相机布局 3D 可视化工具。你 加载一个 transforms.json（Nerfstudio / Instant-NGP 用于相机位姿的 标准格式），应用会读取所有相机，将它们的视线方向投影到一个 单位球面上，并在虚拟地球仪上以小球标记显示。然后 它按照选定的策略（angular 或 linear）将相机划分为 k 个 Fold，绿色标记训练部分， 红色标记测试部分（保留集），并按 Fold 计算一个 角度相关性分数，告诉你测试 Fold 在视角空间中 与训练 Fold 的距离有多远。

当你想做保留评估时—也就是说： 你的模型对未见过的视角泛化得如何？训练中的默认设置是「every-8th view 作为保留集」（Mip-NeRF360 惯例）， 但这是一种非常线性的划分。举例来说，如果你的图像在时间上是聚簇的 （先拍物体的一面，再拍另一面），那么「every-8th」就不具代表性— 一个随机的序列位置落入测试集，但它的所有邻居都在 训练集中，这样测试就太简单了。用「angular」的话则是 在视角空间中分层：每个 Fold 都包含来自 轨道各个方向的相机，这样测试才能真正检验 泛化能力上的差距。

Angular 对比 Linear：- Angular（默认）：将 所有相机按经度角（绕 Y 轴的 φ 坐标）排序， 然后按轮转方式分配到 k 个 Fold 中—环上的第一个相机 进入 Fold 1，第二个进入 Fold 2，经过 k 个相机之后 再从头开始轮转。优点：每个 Fold 都包含来自 轨道各个方向的相机，均匀分布在整个环上。适合 经典的轨道式拍摄，因为这样划分就不再取决于 拍摄顺序。- Linear （轮转法）：同样的轮转分配方式，但依据的是图像位置 而不是角度（Fold 索引 = image_index 模 k）。这是简单的 「every-k-th」划分。如果图像顺序没有任何 空间偏差（例如随机排序的无人机航拍），这种方式效果很好。 如果图像在时间上有聚簇—那么相邻帧会落入不同的 Fold， 测试就会变得过于简单，这种方式效果就不好。

在 3D 地球仪中你可以立刻看到：绿色点（训练）和红色点 （测试）。如果红色点全部聚集在一角，那么保留集 质量就不好（无法作为良好的泛化测试）。如果它们 均匀分布在绿色点之间，那就是好的。右侧边栏中每个 Fold 的 角度相关性分数（以度为单位）还能告诉你：数值越小 = 测试集靠近训练集（每个测试相机都有一个邻近的训练相机，测试 较容易）；数值越大 = 测试集远离训练集（泛化测试 更难）。

你用 251 张图像拍摄了 Truck 场景， 通过菜单项 M33（Export SfM transforms.json）导出了 一个 nerfstudio 文件。打开保留分析窗口（⇧⌘H），通过「Open transforms.json…」 加载 JSON，查看地球仪。k=5（默认）会给你 5 个 Fold。点击「Fold 3」—看看红色标记是否大致 均匀分布。如果是的话：「Export fold-assignment.json」。 导出的文件是给外部评估工具用的 （Nerfstudio、Instant-NGP）；RadianceKit 本身不会重新读入 该文件，仍然会按照自己的保留标准「every-8th」 继续训练。因此这个窗口的作用是评估 你的相机集合是否能提供一个公平的测试。

W23「Open transforms.json…」按钮

位置

左上方工具栏。

技术细节

打开一个限定为 JSON 文件的文件选择对话框。确认后，保留分析模块会加载 该文件。加载器同时解析 nerfstudio 格式（相机内参 加上带有图像路径和变换矩阵的帧列表）以及 instant-ngp 格式（相同结构）。对每一帧，都会从变换矩阵中 提取视线方向（相机局部基的 z 轴）并 保存。如果解析失败，左侧边栏会出现一条提示信息— 不过仅当此前已经加载过一个场景时才会显示； 在最初的第一次尝试时，窗口会停留在空状态，不会有可见的提示。

加载的文件不会被永久记住：通过 帮助 → Holdout Analysis…（⇧⌘H） 再次打开该窗口后，你需要在此重新选择一次。文件名之后会 显示在按钮右侧。

W24"Strategy" 选择器（angular/linear）

位置

左侧边栏顶部。

技术细节

单选选择器，有两个选项：Angular 和 Linear。切换策略会自动触发 Fold 的重新计算。视线方向是球面上一系列 3D 单位向量的列表；Angular 策略按其 经度角 φ 对它们排序，然后按轮转方式分配到各 Fold， Linear 策略则通过帧索引进行相同的轮转分配 ，完全忽略几何信息。因此两种策略都会生成同样 大小的 Fold；它们的区别仅在于事先按什么进行排序。

W25"k Folds" 滑块

位置

左侧边栏中部。

技术细节

滑块范围为 3 到 10，步长为 1。发生 更改时会自动重新触发 Fold 计算，因此 Fold 列表、训练/测试索引以及每个 Fold 的分数会立即 重新计算。所选的值会以等宽数字文本 显示在标签右侧。

经验法则：k=5 是默认值（每个 Fold 给你 20% 的测试比例，这是 交叉验证的常见做法）。如果你有非常多的数据，需要更多 Fold 来获得统计意义，可以用 k=10。如果数据较少，可以用 k=3。

W26"Test Fold" 选择器

位置

左侧边栏，k 滑块下方。

技术细节

菜单选择器。它列出的条目数量正好等于 所设置的 Fold 数量，标注为「Fold 1」到「Fold N」。如果先前选择的索引 ≥ k（例如因为你把 k 从 10 降到了 5），它会自动重置为 0。所选的 测试 Fold 会在地球仪中显示为红色，其他所有 Fold 为绿色。

W27"Export fold-assignment.json" 按钮

位置

左侧边栏底部。

技术细节

打开一个保存对话框，默认 文件名为 fold-assignment.json。确认后，保留分析 模块会将当前的划分编码为一个 JSON 结构（按帧的 Fold 分配加上策略元数据块）。该文件是给外部 评估工具使用的—RadianceKit 不会将其重新读入。 只要没有加载相机文件，该按钮就会是灰显状态。 成功会显示为「Saved to (filename)」，写入错误则显示为 「Export failed: …」—两者都出现在 按钮下方同一位置，并且都是绿色文字，因此颜色本身 无法区分这两种情况。

W28SCNView（3D 相机地球仪）

位置

保留分析窗口的中间面板。

技术细节

基于 SceneKit 的地球仪视图。该场景由以下部分组成： 一个线框球体（半径 1.0，36 段，深灰色）、三个 彩色的坐标轴短棍（红/绿/蓝对应 X/Y/Z，各长 1.2），以及每个 相机在单位球面上对应视线方向位置处的一个小标记球（半径 0.03） （略微在球面外侧，以免 它消失在线框球体内部）。每次切换 Fold 时标记 并不会重新构建—只有当帧列表发生变化时（也就是加载了 新的 JSON）才需要重建。取而代之的是，每次更新时会对材质 颜色进行原地更新：测试索引为红色，训练为绿色，两者 都不是则为浅灰色。这样即便相机数 N > 1000，滑块拖动 时也能保持流畅。

相机控制是启用的—你可以用鼠标旋转 地球仪、缩放、平移。灯光效果确保标记 看起来不是扁平的。背景为深灰色。

W29FoldCard（点击以选择 Fold）

位置

右侧边栏，「Angular Correlation」区块。

技术细节

每个 Fold 对应一个卡片视图—圆角 矩形，半径 6 pt，内边距 10，垂直布局，分两行 （上方「Fold N」+ 相机数量，下方「Mean nearest angle:」+ 以度为单位的 数值）。背景色是条件性的：激活的 Fold = 半透明的强调色，未激活的 = 中性的标准材质。点击 即可选择该 Fold，地球仪会实时改变颜色。

「Mean nearest angle」分数是每个 测试相机到最近的训练相机之间的最小角度的平均值（内部以弧度计算， 在界面中以度显示）。

贝叶斯优化控制台（W30–W39）

空状态下有搜索空间选择器（RadianceKit defaults (6-dim)）、 试验预算滑块（默认 40）、随机种子（42），以及三个空面板， 分别对应收敛图表、试验日志和搜索空间参数列表。 一旦运行启动，收敛图表和试验表格就会填充数据 — 见下图。

右上方状态显示「Finished — best 0.9943 after 40 trials」，旁边是「Save Best Config」按钮；左上方是 「Start」按钮。左侧边栏：搜索空间选择器设为 RadianceKit defaults (6-dim)，试验预算 40，随机种子 42。 参数列表显示了六个待调超参数及其取值范围： mipSmoothing3DScale [0.05, 0.5], mipFilter2DVariance [0.1, 0.6], densifyGradThreshold [5e-07, 5e-06], ssimWeight [0.05, 0.5], mcmcNoiseScale [1e-05, 0.0001], mcmcRelocationInterval [50, 200]。中间：收敛图表 「Convergence (best value so far)」（X 轴 = 试验索引 0–40，Y 轴 = 目标 函数值 0–1）— 蓝色点 = 初始采样，绿色点 = 贝叶斯优化采集，橙色点 = 重启试验（#22 值为 0.5303 以及 #31 值为 0.4885）。蓝色的最佳值曲线在第 ~5 次试验前急剧上升， 之后到第 ~13 次试验只有边际改进，此后 呈接近 1.0 的平坦高原。右侧边栏：试验日志，此处滚动到了第 #8–#36 次试验，每项都显示得分与标签（init/bo/restart）。 右上方的保存最佳配置按钮会写出 bayesopt-best.json。

这是什么： 一个用于超参数搜索的贝叶斯优化控制台。贝叶斯优化是一种自动化方法， 它试图用尽可能少的实验次数找到一个未知函数的最优点 — 典型问题是：「哪种 高斯上限、SSIM 权重与密集化阈值的组合， 能为我的场景类别带来最佳 PSNR？」贝叶斯优化不需要 6^4 = 1296 次试验的网格搜索，而是通过大约 40–100 次有信息指导的试验， 就能接近最优值。

重要提示： 应用中当前发布的版本并不是针对真实的 训练运行来执行优化（那会耗费数天），而是针对一个合成的 演示目标函数 — 一个带有爬坡特性、外加轻微噪声的多模态景观。 这是刻意设计的：本窗口旨在向你展示优化器的行为 （收敛过程、采样点、迄今最佳值），并让 你理解搜索空间的定义方式。对于真正由训练驱动的 贝叶斯优化运行（如同开发内置预设时所使用的那样），会采用应用之外的 单独评估流程；本窗口只是用于观察的实时版本。

三种使用场景：1. 你想了解 贝叶斯优化的工作原理 — 那就启动一次演示运行，观察 收敛图表。2. 你正在规划一个新的场景类别（例如「水族馆」 或「古董家具」），而十五个内置预设都不完全适用。 在脑海中定义一个搜索空间，在此处用「Bowl demo (1-dim)」或 「densify-until + ssim-weight + grad-thresh」进行验证， 然后将最佳配置导出为 JSON， 将它作为真实训练运行的起点。3. 你想 检查内置的标准搜索空间（Mip 子集、RadianceKit 默认值）— 它们会列在左侧边栏的参数面板中。

- 收敛图表（中间栏）：Y 轴 = 迄今达到的最佳目标函数值。X 轴 = 试验索引。开始时 急剧上升（贝叶斯优化随机尝试初始采样，其中一些运气不错）， 然后逐渐趋于平坦，因为 接近最优区域已被充分探索。如果曲线连续 20 次以上试验保持平坦， 就可以停止运行了 — 更多试验也不会带来改善。图表中的 每个点是各次试验的独立数值（而非「迄今最佳」），按阶段着色：蓝色 = 初始采样，绿色 = 贝叶斯优化采集，橙色 = 重启。- 试验表格（右侧栏）：#1, #2, #3, … 每项都有数值和阶段标签。目前 最佳的试验会标有黄色星形标记。你可以从表格中识别 最佳试验，并在导出时查看其参数值。- 搜索空间检查器（左侧边栏）：显示所选预设的 所有参数名称及其搜索范围 [lo, hi]。如果你 选择的是「RadianceKit defaults (6-dim)」预设，会看到例如 「densifyGradThreshold [5e-7, 5e-6]」— 即在这两个值之间 对数均匀分布。

选择预设「RadianceKit defaults (6-dim)」， 试验预算 40，种子 42。点击「Start」。观察：前 8 次试验 是蓝色的（初始采样，拉丁超立方），随后是绿色的 （贝叶斯优化采集）。收敛图表在第 ~13 次试验前急剧上升， 之后趋于平缓。在第 ~30–40 次试验附近，最佳 值趋于稳定。点击「Save Best Config」— 会保存一个 bayesopt-best.json，其中包含预设名称、试验索引、值以及解码后的 参数值。之后你可以手动将此 JSON 中的内容 应用到你的预设定义中。

W30「Start」按钮

位置

左侧工具栏，处于空闲/已完成状态时。

技术细节

重置试验列表，切换到 运行状态，生成一个新的运行 ID（用于在多次点击开始按钮时进行陈旧数据检测）， 并创建一个全新的暂停闸门。随后 启动一个后台任务，将优化器作为异步流执行。 初始采样的数量随预算增长，但最多为 8 个 — 即预算达到 28 以上时 通常为 8 个拉丁超立方采样，预算较小 时则更少。试验更新以增量方式接收并附加到 列表中。陈旧运行保护：如果在此期间第二次 点击开始按钮重新设置了运行 ID，来自旧运行的更新 将被丢弃。

主操作样式使按钮外观更加醒目。

W31「Pause」按钮

位置

左侧工具栏，处于运行状态时。

技术细节

激活暂停闸门并切换到 已暂停状态。实际效果是：运行器会在一个 50 毫秒的轮询循环中等待，然后才评估下一个目标函数。 这意味着当前正在进行的试验会被执行完（因为它 是合成的，只需微秒级时间），但不会启动新的 试验。一旦恢复运行，就会从中断的地方 继续。

W32「Stop」按钮

位置

左侧工具栏，处于运行和已暂停状态时。

技术细节

中止运行器任务，将引用置空， 释放暂停闸门（如果仍处于暂停状态），并切换到 已完成状态（如果存在试验）或空闲状态（如果没有试验）。 已经计算出的试验仍会保留在列表中可见 — Stop 不会删除它们。破坏性按钮角色以红色显示该按钮，因为 它会中止运行。

W33「Resume」按钮

位置

左侧工具栏，处于已暂停状态时。

技术细节

释放暂停闸门并切换回 运行状态。运行器任务其实已经在运行（它正在 轮询循环中等待）；一旦循环检测到暂停已解除， 就会继续运行并启动下一次试验。

W34「Save Best Config」按钮

位置

右侧工具栏，始终可见（但在尚无 最佳运行结果之前呈灰色不可用）。

技术细节

打开一个保存对话框，默认 文件名为 bayesopt-best.json，仅限 JSON 格式。确认后 会构建一个负载字典：预设名称、试验索引、值 （目标函数得分）、参数（解码后的参数 名称 → 值的字典）。解码过程会将归一化的 搜索空间坐标从 [0,1]^d 投影回原始取值范围 （分别按对数均匀/线性/整数刻度处理）。JSON 输出为 美化格式，且键按排序排列。写入出错时（在 当前演示版本中）会静默忽略 — 不显示错误界面，因为这 是一个演示路径。

只要没有试验运行过，该按钮就会保持灰色。

W35「Search Space」预设选择器

位置

左侧边栏，顶部。

技术细节

带有四个预设选项的菜单选择器：- 「RadianceKit defaults (6-dim)」— 包含全部六个标准超参数的 完整标准搜索空间。- 「Mip subset (2-dim)」— 仅包含 mipSmoothing3DScale [0.05, 0.5]（对数均匀）和 mipFilter2DVariance [0.1, 0.6]（线性）。适用于你想针对某个场景类别 调优 Mip-Splatting 时使用。- 「densify-until + ssim-weight + grad-thresh」 — 三个与密集化相关的参数（densifyGradThreshold 对数均匀， ssimWeight 线性，densifyUntilIter 整数）。- 「Bowl demo (1-dim)」 — 用于讲解「贝叶斯优化是如何工作的」演示的单参数教学 搜索空间。

运行进行中时，无法切换搜索空间 （这会使优化器产生混乱）。

W36「Trial Budget」滑块

位置

左侧边栏，位于搜索空间选择器下方。

技术细节

滑块范围 10 到 200，步长 5。默认 40。这意味着：贝叶斯优化最多可以进行 N 次试验。其中 前几次是初始采样（拉丁超立方），其余是真正的 贝叶斯优化试验。实践经验法则：一个具有 d 维度的搜索空间，大约需要 d 的十到二十倍的试验次数 才能获得好的最优解。因此对于 6 维默认值，需要 60–120 次，对于 2 维 Mip 子集需要 20–40 次， 对于 1 维 Bowl 演示需要 10–20 次。

运行期间该滑块会被禁用。

W37「Random Seed」滑块

位置

左侧边栏，位于预算滑块下方。

技术细节

滑块范围 1 到 100，步长 1。默认 42。该种子会同时传递给初始的拉丁超立方 采样以及演示目标函数的噪声分量。 可复现性：相同的种子 + 相同的搜索空间 + 相同的预算 会产生完全相同的试验序列。这对于「你的同事 在重现演示时是否得到同一次运行结果」这种场景很有用。运行 期间该滑块会被禁用。

W38图表（收敛曲线）

位置

窗口中间栏。

技术细节

使用 Swift Charts 绘制的图表，包含两层：1. 每次试验的 「迄今最佳值」曲线 — 一条以强调色显示的单调 递增或保持不变的曲线。2. 每次试验的一个点，代表该次试验的 独立目标值，按阶段着色。符号大小为 40。三种 阶段标签：「init」（蓝色）、「bo」（绿色）、「restart」（橙色）。

左上方有一个小图例，显示各阶段的颜色。如果试验 列表为空（即在首次启动之前），则会显示一个空 状态界面，带有图表图标和提示文字「Press Start to begin a BayesOpt run.」。

W39表格（试验日志）

位置

窗口右侧栏。

技术细节

带懒加载堆叠试验行的 滚动区域。每行是一个横向堆叠：试验编号（3 位 等宽字体，左对齐）、值（等宽字体，右对齐，宽度 70 pt）、阶段 标签（胶囊形，25% 不透明度填充 — 灰色代表「init」、蓝色代表 「bo」、橙色代表「restart」；这些颜色特意与旁边图表中的 点颜色不同），如果该试验是当前最佳的，还会有一个 黄色星形标记。一个自动滚动机制会在有新 试验加入时自动跳到末尾 — 这样你就可以在屏幕 底部实时跟读最新进展，而无需自己滚动。

主窗口：损失曲线与高斯计数（I39–I41，交叉引用）

主窗口中有三个 Inspector 显示项值得单独说明，因为它们在训练过程中会持续显示，而且关于何时曲线看起来是健康的，存在一些重要的经验法则。这些显示项位于 Inspector 的 进度 区块中，在可展开的 损失曲线 分组里（参见第 2 章——Inspector），并且补充了上文 Aux 窗口中的 Holdout 分析。

Loss 曲线什么时候算健康？ 一条健康的 Loss 曲线会呈现三个阶段：(1) 预热（Warmup）——最初的 200–500 次迭代中，Loss 会从较高值（根据场景不同，L1+SSIM 组合通常在 0.15–0.25 之间）陡降到大约一半。如果这个阶段 Loss 没有下降，通常是输入有问题（图像损坏、SfM 位姿不佳、初始高斯数量太少）。(2) 致密化（Densification）——在大约 500 次迭代到 densifyUntilIteration（经典方式通常为 15K，MCMC 则到 20K 或 25K）之间，Loss 会持续下降，常伴有小幅跳降——这是致密化操作插入新高斯、优化器随后加以利用的结果。高斯计数在此阶段会上升。(3) 精修（Refinement）——此后 Loss 会进入逐渐趋于平缓的尾段。作为参考的典型终值：一个光照良好的物体场景（例如使用 P4 Quality 预设的 Tanks-&-Temples Truck）最终 L1 ≈ 0.023，而像 Mip-NeRF 360 那样的大范围室外场景自然会更高（0.04–0.07）。

平台期意味着什么？ 平台期（Loss 曲线在数千次迭代中保持水平）有两种解读：(a) 模型已经收敛，继续训练不会再有提升——这是好的情况。(b) 模型卡住了（陷入局部极小值、梯度信息不佳、达到了缓冲区上限的 Cap）——这是不好的情况。这两种情况在图表上看起来完全一样。区分方法：看高斯计数。如果它也是平的，并且接近 MCMC 的 Cap（例如在 P8 Quality (MCMC) 预设下达到 150K 中的 150K），那你已经到达上限——要么提高 Cap，要么接受这个平台期。如果高斯计数还在增长，但 Loss 不再下降，那就是卡住了。

什么时候该中止，什么时候该继续训练？ 经验法则：如果 10K 次迭代内最小 Loss 没有任何改善 → 中止，继续训练是在浪费时间。在此之前：可以通过训练菜单 → Continue Training → “+5,000 iterations” 追加一段训练，如果你看到的是边际性的改善（这个操作没有对应的快捷键）。注意：在 MCMC 模式下，这种平台期往往是真实的——Cap 就是自然的边界。

高斯计数达到平台期 不是 “完成”的信号。 它只说明 MCMC 已经达到 Cap，或者经典致密化（Classic Densification）已经用尽了潜力。真正回答“是否完成”这个问题的，是在独立测试集上的 PSNR/SSIM/LPIPS——相关数值记录在你于 Pareto Dashboard（W13–W22）中查看的基准报告里。Holdout 窗口（W23–W29）并不提供这些指标；它只判断你的相机集合是否能够合理地划分为训练视角和测试视角。

PSNR/Holdout 才是真相，Loss 只是代理指标。 Loss 是一个相对指标：随着模型逐渐拟合训练视角，它会不断下降。但低 Loss 并不自动意味着模型好——如果模型把训练图像“背了下来”（过拟合），Loss 会很小，但在未见过的视角（Holdout）上的 PSNR 会很差。因此：进行最终质量评估时，务必参考 Holdout 指标，而不要只看最终 Loss。

经验法则框

• User Guide 和 Keyboard Shortcuts 是静态帮助 — 关键词式问题查得快，深入内容请使用本手册。
• 一旦磁盘剩余空间低于 10%，就打开 Manage Storage。日志和导入暂存区通常是罪魁祸首。
• Pareto Dashboard 至少要有三到四份训练报告后才有意义。X 轴 = 成本（Time / Gs），Y 轴 = 质量（PSNR / SSIM）。Pareto 前沿显示的是高效组合。
• 在与他人公布 PSNR 基准对比之前，先用 Holdout Analysis — 这能确保你的测试集确实具有代表性。导出的 Fold 划分是给外部工具用的；RadianceKit 依然按“每 8 张”规则继续训练。
• BayesOpt Console 主要是用于搜索空间定义的学习和检视工具 — 它针对的是一个演示函数进行计算，而非真实的训练运行。
• Loss 平台期和 Gaussian 数量平台期需要分开解读。Cap 上限并不是“完成”信号。真正的质量只能通过 Holdout-PSNR 衡量。
• 若 10K 次迭代内 Min-Loss 都没有改善 → 应停止训练。