现实捕获与 3DGS · lab-19
实验 19 · 3DGS 损失函数与自适应密度控制
认识重建损失与高斯克隆、分裂、剪枝等密度控制操作，比较固定基元与自适应优化的表现。
训练过程如何利用图像误差调整高斯数量和空间分布？
KEY POINTS
这条内容的重点
高级 3 小时
- 能辨认训练损失中像素误差与结构相似性项的作用。
- 能解释克隆、分裂和剪枝所针对的不同重建情况。
- 能通过对照结果讨论密度控制对重建质量与计算量的影响。
WORKFLOW
内容流程
认识优化目标
阅读损失项和训练变量说明，明确目标图像与渲染结果之间的关系。
本步产物 损失函数及训练变量记录
观察密度控制
比较固定基元与自适应策略下的增删或细分变化。
本步产物 高斯数量与空间分布对照
汇总实验表现
查看损失趋势和重建结果，说明参数选择与计算代价的权衡。
本步产物 优化对照与超参数记录
METHODS
相关方法
- 图像重建损失
- 高斯克隆、分裂与剪枝概念
- 训练结果与超参数对照
DELIVERABLES
可获得的内容
- 固定与自适应策略对照
- 一份训练参数与现象记录
LIMITATIONS
适用范围与注意事项
- 配套 Notebook、PPT、代码、PDF 与数据附件的来源和再分发许可尚未逐项核验；原件留在 incoming/，本次网站不提供附件下载。
- 完整训练资源需求较高，数值结论受数据、实现版本和训练配置影响。
MATERIALS
相关资料与下载
只展示已核准公开的资料。
当前没有已批准公开的资料。待核验或私有文件不会显示。