第七章 — 内置质量预设

位置

Inspector → Presets 区域 → 「Classic」分组 → 条目 「Quick」。UUID 后缀 …001。

技术细节

诊断用预设，1 000 次迭代、经典（自适应） Densification 策略，训练分辨率缩放为 0.25× （训练前输入图像会被缩小到 25%）。目的不是交付一个完整场景， 而是快速判断设置（相机位姿、点云、图像序列） 是否在损失值上表现出合理的变化。在 M3 Ultra 上， 50–200 张图像通常耗时不到 30 秒。低分辨率会掩盖真实的画质， 但能将显存占用和渲染开销降到很低。当系统内存低于 10 GB 时， 也会在首次启动时自动被选为默认值。

位置

Inspector → Presets 区域 → 「Classic」分组 → 条目 「Preview」。UUID 后缀 …002。

技术细节

5 000 次迭代的 Classic Densification，0.5× 分辨率缩放，学习率是标准值的两倍。 Densification（克隆 + 拆分）在前 2 500 次迭代中保持激活， 之后只进行剪枝（Pruning）。这是内存 ≥ 10 GB 系统的默认预设。 在 M3 Ultra 上，一个 200 张图像的场景通常耗时 90 秒到 3 分钟。能给出几何结构与相机位姿的可用印象，但纹理 明显模糊—之后即便用 P3 或 P4 重新训练，也无法直接绕过这 0.5× 的渲染分辨率，因为学习率是按半分辨率校准的。

位置

Inspector → Presets 区域 → 「Classic」分组 → 条目 「Balanced」。UUID 后缀 …005。

技术细节

20 000 次迭代的 Classic Densification，全分辨率训练。 Densification 在前 15 000 次迭代中运行，从第 3 000 次迭代起 Densify 间隔为 100。在这个区间内收益明显趋缓：画质在 第 18 000 到 22 000 次迭代之间趋于稳定，只有跳到 Quality（P4） 才会带来明显更多的提升。在 M3 Ultra 上，200 张图像通常耗时 30–60 秒，1 000+ 张图像通常耗时 5–8 分钟。

位置

Inspector → Presets 区域 → 「Classic」分组 → 条目 「Quality」。UUID 后缀 …003。

技术细节

35 000 次迭代的 Classic Densification，带有 「Opacity Decay」（HTGS，Eurographics 2025）：每次 Densify 周期后， 所有已存在 Gaussians 的不透明度都会乘以一个 < 1.0 的因子， 从而在剪枝时可靠地移除已失活的 Gaussians—在相同迭代次数下， 效果明显比不做这一步更干净。SSIM 损失已启用 （ssimWeight=0.05）。在 M3 Ultra 上，200 张图像通常耗时 2–4 分钟。在物体类场景上，这是经典系列中最强的一档。 注意：需要约 3–5 GB 显存；在 8 GB 显存的系统上， P3 是更稳妥的选择。

位置

Inspector → Presets 区域 → 「Classic」分组 → 条目 「Ultra Detail」。UUID 后缀 …008。

技术细节

约 35 000 次迭代的 Classic Densification—Classic 分组中 最锐利的方案。在相近的计算时间下，它超过了 MCMC 的 「Quality」预设（P8），是 Classic 分组中最强的 Quality 预设， 也是 RadianceKit 提供的 Classic 系列中最锐利的方案。在 M3 Ultra 上， 耗时通常与 P4 Quality 相当（200 张图像 2–5 分钟），但需要略多的 显存；在 8 GB 显存的系统上，P3 仍是更稳妥的选择。

位置

Inspector → Presets 区域 → 「MCMC」分组 → 条目 「Preview」。UUID 后缀 …006。

技术细节

60 000 次迭代的 MCMC Densification（3DGS-MCMC， NeurIPS 2024），Gaussians 上限为 100 000。MCMC 用马尔可夫链蒙特卡洛 重定位（Markov-Chain-Monte-Carlo-Relocation）取代了启发式的克隆/拆分逻辑： 失活的 Gaussians 会通过 Sigmoid 加权的采样深度被重新放置， 从而得到可控且可复现的 Gaussian 数量。该上限将最大数量 硬性限制在 100K—这样能节省显存和渲染时间，但会牺牲细节。 在 M3 Ultra 上，200 张图像通常耗时 5–8 分钟。适合作为 「MCMC 功能测试」—帮助你判断从 Classic 切换到 MCMC 是否值得， 再决定是否在 P7 或 P8 上投入更多时间。

位置

Inspector → Presets 区域 → 「MCMC」分组 → 条目 「Balanced」。UUID 后缀 …007。

技术细节

120 000 次迭代的 MCMC，Gaussians 上限为 150 000。 这是 MCMC 的中间档—Gaussian 数量几乎达到 P8 Quality 的最终值， 但迭代次数只有其 60%。因此结果略逊于 P8 Quality，但 等待时间只需大约一半。在 M3 Ultra 上，200 张 图像通常耗时 8–15 分钟。使用了一种将有效 Gaussian 上限按输入 SfM 点云密度缩放的方法 （参见第六章 T75）。

位置

Inspector → Presets 区域 → 「MCMC」分组 → 条目 「Quality」。UUID 后缀 …004。

技术细节

200 000 次迭代的 MCMC，Gaussians 上限为 150 000， SSIM 损失 0.05，MCMC 噪声衰减贯穿 80% 的迭代过程。画质 与最好的 Classic 方案（P4）处于同一水平，但 MCMC 使用的 Gaussians 数量却少约 71%（150K 对比 ~524K）—如果你想把结果 发布到网页上，这一点非常关键，因为更小的点云能生成 明显更小的导出文件。在 M3 Ultra 上的训练时间，200 张 图像通常为 20–35 分钟；1 000+ 张图像的集合通常需要 1–2 小时。如果你想要在最小体积下获得最高画质，这是最佳选择。

位置

Inspector → Presets 区域 → 「Capture Class」分组 → 条目「Drone / Aerial」。UUID 后缀 …010。

技术细节

针对建筑与风景航拍/无人机环绕拍摄的 Capture-Class 预设。MCMC Densifier，40 000 次迭代，1.5 百万 Gaussians 上限， SSIM 损失 0.5，外加边缘感知项 0.1。关键在于权重为 0.003、 比率阈值为 6 的各向异性惩罚项—这是应对无人机素材 典型的针状伪影的「意大利面杀手」。该预设已在一段真实的 DJI 4K 无人机飞越 Pensford 高架桥的素材上验证过 （通过肉眼检查，而不仅是指标）。

位置

Inspector → Presets 区域 → 「Capture Class」分组 → 条目「360° Walkaround」。UUID 后缀 …011。

技术细节

针对 360° 环绕行走视频的 Capture-Class 预设。 MCMC Densifier，40 000 次迭代，1.5 百万 Gaussians 上限， SSIM 损失 0.5 外加边缘感知项 0.1，温和的各向异性惩罚 （权重 0.001，比率阈值 15）。人像与天空遮罩处于激活状态。 该预设期望输入一段 360° 等距柱状（Equirect）视频，训练开始前会 在内部将其重投影为约 90° 宽的透视裁切图。已在使用自拍杆拍摄的 8K 360° 环绕素材上验证过（纪念碑场景，肉眼检查）。

位置

Inspector → Presets 区域 → 「Capture Class」分组 → 条目「360° Walkaround (High Detail)」。UUID 后缀 …013（需手动启用）。

技术细节

针对 360° 环绕行走视频、追求最大细节的 可选启用（Opt-in）Capture-Class 预设。Hybrid Densifier（经典的 绝对梯度克隆/拆分 + MCMC 噪声与重定位），40 000 次迭代， 1.5 百万 Gaussians 上限，各向异性惩罚 0.0015（比率阈值 15）， SSIM 损失 0.2，边缘感知项为 0。在 360° 素材上，它在质量指标和 可见「彩纸屑」伪影上都优于标准的 MCMC 预设「360° Walkaround」（P10）， 而且只用了约三分之一的 Splat 数量。它有意作为标准 360 预设的 并列选项提供，而不是替代品，直到在更多场景上得到验证。

位置

Inspector → Presets 区域 → 「Capture Class」分组 → 条目「Photo / Object」。UUID 后缀 …012。

技术细节

针对由清晰单张照片（而非视频）组成的物体环绕拍摄的 Capture-Class 预设。Hybrid-t1 Densifier（含重定位），40 000 次 迭代，1.5 百万 Gaussians 上限，SSIM 损失 0.5 外加边缘感知项 0.1， 温和的各向异性惩罚（权重 0.001，比率阈值 15），不透明度衰减 0.9995，每 50 次迭代一次，不 使用遮罩。已在一具骨骼的 163 张高分辨率 41 兆像素照片上验证过（肉眼检查）。视角数量较少时 （约 600 以内）仍处于 Hybrid 崩溃阈值之下。

位置

Inspector → Presets 区域 → 「Capture Class」分组 → 条目「Photoset / Unordered」。

技术细节

针对无序照片集的 Capture-Class 预设— 拍摄顺序未知的照片，例如来自多次拍摄或多个人的素材。 40 000 次迭代。对于这种拍摄类型，应用始终使用原生方法 对齐相机位置，无论其他设置为何（参见第九章）。

位置

Inspector → Presets 区域 → 「Capture Class」分组 → 条目「Maximum Quality Native」。

技术细节

列表中最昂贵的方案：80 000 次迭代， Gaussian 上限为 2000 万。它一步到位地同时设置了训练 和最高级别的原生对齐（配方 E3，参见第九章）—这是 通向原生路径最高画质的直接途径，无需手动设置各项数值。 相应地耗时较长、显存需求较高：在性能较弱的系统上， 其他 Capture-Class 预设中的某一个会是更稳妥的选择。

位置

Inspector → Presets 区域 → 「Hybrid」分组 → 条目「均衡（Hybrid）」。UUID 后缀 …009。

技术细节

20 000 次迭代，采用 Hybrid Densification 策略： 经典的梯度驱动克隆/拆分在损失需要的地方分配容量， MCMC SGLD 噪声继续探索，失活的 Gaussians 会被重新定位， 而不是在剪枝中丢失。不透明度衰减取代了不透明度重置； 各向异性惩罚（权重 0.001，比率阈值 15）抑制针状 Splats。 Gaussian 上限随场景缩放（基础 150K，场景感知系数 ×3.0）。 在相同预算下，相比纯 MCMC，这能带来更高一些的画质， 同时所需的 Gaussians 数量减少 20–30%。在 M3 Ultra 上， 200 张图像通常耗时 5–10 分钟。