第 7 章 — 内置质量预设

位置

检查器 → 预设区域 → 组别"Classic" → 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× (输入图像在训练前缩小到 25 %)。不是用于交付场景的预设, 而是快速判断设置 (相机位姿、点云、图像序列) 在 Loss 值上 是否表现出有意义的变化。在 M3 Ultra 上,50–200 张图像 通常少于 30 秒。小尺寸会掩盖真实的图像质量,但能将内存 需求和渲染开销保持得非常小。当系统 RAM 少于 10 GB 时, 首次启动也会自动选用此预设。

位置

检查器 → 预设区域 → 组别"Classic" → 条目 "Preview"。UUID 后缀 …002。

技术细节

5 000 次 Classic-Densification 迭代,0.5× 分辨率缩放,学习率为标准的两倍。Densification (克隆 + 分裂) 在前 2 500 次迭代中保持活跃,之后仅做 Pruning。≥ 10 GB RAM 系统的默认预设。在 M3 Ultra 上,200 张图像的场景通常 需要 90 秒到 3 分钟。能让您对几何形状和相机位姿形成可用 的印象,但纹理明显被柔化 —— 0.5× 渲染分辨率之后无法通过 直接用 P3 或 P4 重新训练来弥补,因为学习率是按一半分辨率 校准的。

位置

检查器 → 预设区域 → 组别"Classic" → 条目 "Balanced"。UUID 后缀 …005。

技术细节

20 000 次 Classic-Densification 迭代,完整 图像分辨率。Densification 在前 15 000 次迭代中运行, 从第 3 000 次迭代起 Densify 间隔为 100。在已记录的训练 会话中是经验上的"甜点":对于 Horse Full 和 Truck 上的 经典 Densification,L1 Loss 在 18 000 至 22 000 迭代之间 稳定下来,继续延长训练在低于 Quality (P4) 的水平上不会 带来明显改进。在 M3 Ultra 上,200 张图像通常 30–60 秒, 1 000+ 张图像 5–8 分钟。

位置

检查器 → 预设区域 → 组别"Classic" → 条目 "Quality"。UUID 后缀 …003。

技术细节

35 000 次 Classic-Densification 迭代,搭配 V546 的"Opacity Decay" (HTGS, Eurographics 2025):每次 Densify 循环后,所有现存 Gaussians 的 Opacity 乘以一个 < 1.0 的因子,这能让已变得不活跃的 Gaussians 在 Pruning 中被可靠地移除,因而在相同迭代数下达到比经典 35 000 次 运行好 14 % 的 L1 Loss。SSIM-Loss 已启用 (ssimWeight=0.05)。 在 M3 Ultra 上,200 张图像通常 2–4 分钟。在 NeRF-Blender (Lego、Chair、Drums) 上交付最终 L1 ≈ 0.023 —— 是 560+ 已记录实验中最好的 Classic 变体。注意:需要约 3–5 GB GPU 内存;在 8 GB 系统上 P3 是更安全的选择。

位置

检查器 → 预设区域 → 组别"MCMC" → 条目 "Preview"。UUID 后缀 …006。

技术细节

60 000 次 MCMC-Densification 迭代 (3DGS-MCMC, NeurIPS 2024),Cap 为 100 000 Gaussians。MCMC 用 Markov 链蒙特卡洛重定位替代启发式的 Clone/Split 逻辑:已死亡的 Gaussians 通过 Sigmoid 加权的采样深度被重新放置,从而产生 可控且可复现的 Gaussian 数量。Cap 在 100K 处硬性封顶 —— 这能节省内存和渲染时间,代价是细节减少。在 M3 Ultra 上, 200 张图像通常 5–8 分钟。适合作为"MCMC 功能测试" —— 有助于在 P6 或 P7 投入更多时间之前,判断从 Classic 切到 MCMC 是否值得。

位置

检查器 → 预设区域 → 组别"MCMC" → 条目 "Balanced"。UUID 后缀 …007。

技术细节

120 000 次 MCMC 迭代,Cap 为 150 000 Gaussians。MCMC 的中间级别 —— 几乎是 P7 Quality 的最终 Gaussian 数,但仅 60 % 的迭代。在已记录的训练会话中, Horse Full 上 L1 Loss 经验上为 0.026–0.028,相比 P7 的 0.0246 大约高 7 %,但等待时间仅一半。在 M3 Ultra 上, 200 张图像通常 8–15 分钟。使用一种方法,将有效的 Gaussian Cap 按输入 SfM 点云的点密度进行缩放 (参见第 6 章 中的 T75)。

位置

检查器 → 预设区域 → 组别"MCMC" → 条目 "Quality"。UUID 后缀 …004。

技术细节

200 000 次 MCMC 迭代,Cap 为 150 000 Gaussians,SSIM-Loss 0.05,MCMC-Noise-Decay 覆盖 80 % 的迭代。在 560+ 实验中的 Best-Single-Run-L1:Horse Full 上 0.0238,在 3 次试验上平均 0.0246 (相比同场景下 P4 的 0.0230)。MCMC 同时减少 71 % 的 Gaussians (150K 对 ~524K) —— 当您打算在网络上交付结果时这非常关键,因为更小的 云会产生显著更小的导出文件。在 M3 Ultra 上,200 张图像 通常 20–35 分钟;在 1 000+ 张的图像集上更多是 1–2 小时。 当需要在最小最终大小下获得最高图像质量时是最佳选择。

位置

检查器 → 预设区域 → 组别"Scene-Class" → 条目"Render (3D)"。UUID 后缀 …700。

技术细节

面向图像合成 / CGI 风格场景 (NeRF-Blender、 Mip-NeRF 360 Flowers、Blender 渲染的测试集) 的 Scene-Class 预设。Q7-BayesOpt-Sweep (flowers 上的 Trial T10, Seed 7,Budget 20) 测得:mcmcMaxGaussians=1 189 511、 mcmcCapMultiplier=2.98、ssimWeight=0.051、 densifyGradThreshold=3.34e-06、mcmcNoiseScale=5.61e-05。 相比 Quality-MCMC 基线 Δ +0.36 dB PSNR (17.67 → 18.03)。 Mip-Splatting 特意关闭 (2026-05-25 Q1.5"closed no-win" 裁定),Sky-Dome 同样关闭 (合成场景没有真实天空)。主要 杠杆是 8× 的 Gaussian 上限 —— 具有干净 Alpha 和密集纹理 的合成场景对更高密度反应强烈。200 张图像的训练时间约同 P7。

位置

检查器 → 预设区域 → 组别"Scene-Class" → 条目"Outdoor (tuned)"。UUID 后缀 …701。

技术细节

面向有真实天空和大景深的户外拍摄 (Mip-NeRF 360 Bicycle/Garden、ETH3D-Tunnel、无人机飞行) 的 Scene-Class 预设。Q7-BayesOpt-Sweep (bicycle 上的 Trial T0,Seed 7,Budget 10) 测得: mcmcMaxGaussians=1 250 744、mcmcCapMultiplier=5.32、 ssimWeight=0.082、skyDomeRadiusMultiplier=59.0。相比 Quality-MCMC Δ +1.40 dB PSNR (21.66 → 23.06) —— 全部 9 个 有效 bicycle Trial 均突破 +1.0 dB 阈值。户外场景对更高 的 Gaussian 预算 (按景深缩放) 以及 V549e Sky-Dome (围绕 场景的球形投影天空像素) 反应极强。Cap-Multiplier 5.32 允许 MCMC-Relocation 在远景区域更积极地采样。Mip-Splatting 特意关闭 (Q1.5 裁定:在户外甚至会损失 PSNR)。UI 中的 推荐带有后缀"(tuned)" —— 相比未调优的 Indoor 对应版本, 质量跃升超过四倍。

位置

检查器 → 预设区域 → 组别"Scene-Class" → 条目"Indoor"。UUID 后缀 …702。

技术细节

面向室内空间 (Mip-NeRF 360 Bonsai/Kitchen/Room、 Deep Blending playroom/drjohnson、ETH3D Storage Room) 的 Scene-Class 预设。Q7-BayesOpt-Sweep (bonsai 上的 Trial T6, Seed 7,Budget 8) 测得:mcmcMaxGaussians=669 215、 mcmcCapMultiplier=1.76、densifyGradThreshold=1.67e-06、 pruneOpacityThreshold=0.0142、ssimWeight=0.171。相比 Quality-MCMC Δ +0.33 dB PSNR (29.63 → 29.96)。3/8 Trial 突破 +0.2 dB 阈值,8/8 有效 (得益于 mtime 停滞保护未出现 Stall)。室内空间的反应大约是户外的一半 —— Δ +0.33 对 +1.40 dB —— 而 Gaussian 预算大约只有一半 (670K 对 1.25M)。 原因是:受墙壁限制的几何更早达到饱和;更多 Gaussians 会浪费在平整的墙面上。Cap-Multiplier 1.76 是有意保守 选择,以避免 MCMC-Collapse (v1.4.3 中的现象)。Sky-Dome 和 Mip-Splatting 均关闭。