Stage 3：3DGS学習¶
COLMAPのスパース再構成から3D Gaussian Splattingモデルを学習します。
このステージの概要¶
graph LR
A[🗺️ スパースモデル] -->|初期化| B[✨ ガウシアンスプラット]
B -->|3万イテレーション| C[🌱 密なモデル<br/>point_cloud.ply]
C -->|評価| D[📊 PSNR ~23.71 dB]
style A fill:#e1f5ff
style C fill:#e1ffe1
style D fill:#fff3e0推定所要時間： 18〜30分（RTX 6000 Ada）
学習コマンド¶
conda activate 3dgs
export PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
python train.py \
-s /path/to/date_20260119 \
-m /path/to/date_20260119/output \
--iterations 30000
-s と -m の意味
-s：frames/とsparse/を含むデータセットルートフォルダ-m：学習済みモデルの保存先
学習の監視¶
ターミナルが100イテレーションごとに指標を表示します：
[24000/30000] L1 loss=0.0183 | PSNR=23.42 | Gaussians=1,234,567
[30000/30000] L1 loss=0.0175 | PSNR=23.71 | Gaussians=1,287,441
| 指標 | 意味 | 目標値 |
|---|---|---|
L1 loss |
測光誤差 | 減少傾向 → 0.02未満 |
PSNR |
再構成品質 | 23 dB以上 |
Gaussians |
三次元スプラット数 | 通常100〜200万 |
学習の進行フェーズ¶
| イテレーション | 変化 | 視覚的結果 |
|---|---|---|
| 0 – 500 | 点群の初期化 | 非常にまばら |
| 500 – 5,000 | 急速な密化 | 植物の形が現れる |
| 5,000 – 15,000 | 精細化 | 葉と茎が明確に |
| 15,000 – 30,000 | 微調整 | テクスチャの細部が鮮明に |
出力の確認¶
合格基準
- ✅
point_cloud.plyが存在 - ✅ ファイルサイズ：100〜400 MB
- ✅ 最終PSNR ≥ 22 dB
- ✅ CUDA OOMエラーなし