Saltar al contenido
Volver al blog

Notas de ingeniería · nueva síntesis de puntos de vista

Evaluación de la reconstrucción 3D de interiores: Dr Johnson y Playroom

MakeWorlds Studio reconstruyó Dr Johnson y Playroom a partir de fotografías utilizando las estimaciones de su propia cámara. En las ejecuciones de Mac grabadas, ambas escenas arrojan PSNR y SSIM más altos y LPIPS más bajos que los valores correspondientes informados en el artículo de investigación original 3DGS. Los pares de imágenes muestran lo que las reconstrucciones conservan en la práctica: perfiles de gabinetes, patrones repetidos de alfombras y el contenido en capas de una estantería.

Equipo MakeWorlds Studio ·

Vistas reconstruidas seleccionadas de una ejecución más reciente. Las imágenes y métricas a continuación pertenecen a la ejecución de evaluación original.

1. Resultados en todo el conjunto de pruebas

Los promedios siguientes cubren las 16 vistas de prueba en Dr Johnson y las 14 en Playroom. En ambas escenas, las tres métricas son favorables en relación con los valores 3DGS informados. Cuatro pares de imágenes más adelante en el artículo muestran los detalles visibles detrás de esos resultados.

Las tablas utilizan el protocolo de comparación de artículos de investigación de nuestra evaluación publicada, sin sustituir puntuaciones corregidas por color. Los valores de referencia son los resultados de 30.000 pasos en el apéndice 3DGS original. Las estimaciones de la cámara y los conjuntos de vistas de prueba difieren, por lo que los deltas proporcionan contexto frente a la literatura en lugar de una comparación controlada. [1] Condiciones y alcance de comparación.

Dr Johnson · Mac · Medias de todo el conjunto de prueba · Protocolo de comparación con el artículo de investigación
Δ = MakeWorlds Studio − trabajo de investigación. Un PSNR / SSIM más alto y un LPIPS más bajo son mejores.
ResultadoPSNR ↑ / dBSSIM ↑LPIPS ↓
3DGS trabajo de investigación (reportado)28.7660.89900.2440
MakeWorlds Studio · Mac29.180Δ +0.4140.9124Δ +0.01340.2215Δ −0.0225
Playroom · Mac · Medias de todo el conjunto de prueba · Protocolo de comparación con el artículo de investigación
Δ = MakeWorlds Studio − trabajo de investigación. Un PSNR / SSIM más alto y un LPIPS más bajo son mejores.
ResultadoPSNR ↑ / dBSSIM ↑LPIPS ↓
3DGS trabajo de investigación (reportado)30.0440.90600.2410
MakeWorlds Studio · Mac30.385Δ +0.3410.9148Δ +0.00880.2264Δ −0.0146

La dirección es consistente en ambas escenas: PSNR y SSIM más altos, LPIPS más bajos. Estas medidas describen el error de píxeles, la estructura de la imagen local y la distancia de percepción. Las comparaciones a continuación conectan esa evaluación a nivel de escena con características específicas, incluidos los bordes de los gabinetes, las uniones de las tablas del piso y los patrones repetidos.

2. De las fotografías a las vistas evaluadas

Probado

Dr Johnson y Playroom son escenas públicas de Deep Blending que también se utilizan en la evaluación 3DGS original. Todas las MakeWorlds Studio imágenes y partituras aquí provienen de las ejecuciones de Mac en el lote publicado el 1 de octubre de 2026. [2]

Conjunto de datos y vistasDr JohnsonPlayroom
Fotos de entrada263225
Vistas de prueba1614
Vistas mostradas aquí22
Tamaño de imagen (píxeles)1332 × 8751264 × 832

Ejecutamos el ajuste preestablecido Medio en la resolución de origen para 30.000 pasos de optimización en un Apple M4 Max. MakeWorlds Studio estimó las cámaras a partir de las imágenes de entrada, entrenó la escena y representó las vistas de prueba. Esas opiniones se arreglaron antes del entrenamiento; sus imágenes fueron excluidas de la optimización de la escena y utilizadas como referencias para la evaluación.

Las cuatro vistas ilustradas cubren los gabinetes, el área de juegos, los patrones de alfombras y una estantería repleta de libros. Los seleccionamos por esas características, no por las puntuaciones de visualización más altas. Cada par de referencia/renderizado utiliza una orientación de visualización y un recorte coincidentes, lo que permite comparar características individuales con los resultados a nivel de escena.

3. Dr Johnson: del contorno del armario a su estructura interna

La reconstrucción conserva detalles en varias escalas dentro de la misma vista. El mueble oscuro mantiene su perfil general, así como los arcos apuntados y las divisiones horizontales de sus puertas. La repisa de la chimenea, los soportes laterales y las molduras de pared proporcionan más contornos a seguir. Juntas, estas características muestran cómo los muebles reconstruidos se relacionan con la habitación circundante.

Dr Johnson 的木柜、白色壁炉与绿色墙面的 MakeWorlds Studio 渲染
Fotografía original: El mueble de madera, la chimenea blanca y las paredes verdes en Dr Johnson.
foto originalRenderizado MakeWorlds Studio

Figura 1. Dr Johnson, Mac, vista-000040. Los arcos y las divisiones internas del gabinete permanecen distintos junto con su perfil exterior y las molduras de la chimenea. Foto de referencia a la izquierda; Representación MakeWorlds Studio a la derecha.

La evidencia útil aquí es la combinación de un diseño de habitación reconocible y las estructuras más pequeñas en su interior. Al arrastrar el divisor a lo largo del gabinete, se muestran esas correspondencias. La zona clara de la ventana y algunos bordes finos todavía difieren visiblemente de la referencia.

4. Playroom: regiones de color, objetos separados y textura del suelo

Playroom ofrece varias escalas de detalle en una sola imagen. La reconstrucción reproduce las amplias rayas de la alfombra y las letras de la alfombra de espuma, mientras que los juguetes dispersos mantienen formas y posiciones identificables. Lejos de la colorida zona de juegos, las costuras y nudos del suelo proporcionan otro conjunto de correspondencias. La imagen retiene información en amplias regiones de color, límites de objetos y textura de superficie.

Playroom 中的彩色地毯、玩具与木地板的 MakeWorlds Studio 渲染
Fotografía original: La alfombra a rayas, los juguetes y el suelo de madera en Playroom
foto originalRenderizado MakeWorlds Studio

Figura 2. Playroom, Mac, vista-000184. Las rayas de las alfombras, las letras de las esteras de espuma, los contornos de los juguetes y las costuras del piso proporcionan cuadros en escalas cada vez más finas.

5. Inspección más cercana: patrones repetidos y contenido de estantería

En la alfombra Dr Johnson, los motivos de los bordes permanecen dispuestos en una secuencia continua, y las formas y posiciones de los patrones centrales más grandes se pueden combinar con la fotografía. Playroom conserva los anchos y colores de los lomos de los libros vecinos, los ángulos de las carpetas y las capas de objetos apilados. En el estante superior, el título del libro verde sigue siendo legible. Los dos pares siguientes utilizan el mismo recorte y ampliación como referencia y renderizado, por lo que estas características se pueden comparar directamente.

Dr Johnson 的地毯、椅子与木地板的 MakeWorlds Studio 渲染
Fotografía original: La alfombra, las sillas y el suelo de madera de Dr Johnson.
foto originalRenderizado MakeWorlds Studio

Figura 3a. Dr Johnson, vista-000248. El borde y los motivos centrales de la alfombra siguen siendo identificables individualmente. Algunos elementos de patrones más finos y los bordes del respaldo de las sillas son más suaves.

Playroom 中的书架、文件夹与柜门的 MakeWorlds Studio 渲染
Fotografía original: estanterías, carpetas y puertas de armarios en Playroom.
foto originalRenderizado MakeWorlds Studio

Figura 3b. Playroom, vista-000089. Los lomos de los libros y las carpetas conservan sus contornos, colores y disposición separados. Las letras del título más grandes siguen siendo legibles; El texto más pequeño muestra distintos grados de suavizado.

6. Conectando detalles visibles con las métricas.

Los ejemplos van desde la distribución de la habitación y las amplias regiones de color hasta los límites de los objetos, los motivos repetidos y los trazos de letras individuales. La evaluación cuantitativa resume las diferencias de imágenes en términos de error de píxeles, estructura local y características de percepción. El uso de ambos le brinda al lector resultados numéricos para comparar y características concretas de la imagen para inspeccionar.

PSNR ↑
PSNR expresa el error cuadrático medio de píxeles en una escala logarítmica. Los valores más altos indican un error menor bajo las condiciones de comparación elegidas. La alineación de la imagen, el brillo y las diferencias de color lo afectan.
SSIM ↑
SSIM compara la luminancia, el contraste y la estructura locales. Los valores más altos indican una coincidencia más cercana en esas propiedades de la imagen, agregando una vista estructural de similitud junto con el error de píxeles. [3]
LPIPS ↓
LPIPS mide la distancia entre las características profundas de la imagen; los valores más bajos indican una coincidencia más cercana a la referencia. La red de características y el preprocesamiento afectan los valores, por lo que las comparaciones entre implementaciones requieren un protocolo consistente. [4]

El modelo público 3D Gaussian Splatting proporciona una forma útil de pensar en estas imágenes. Una escena está representada por primitivas gaussianas, que se proyectan en la imagen y se combinan en orden de profundidad. Omitir el término de fondo da: [1]

C(u, d) = ∑i Ti(u) · αi(u) · ci(d)Ti(u) = ∏j<i [1 − αj(u)]

Aquí, u es la posición del píxel y d es la dirección de visualización. Alpha combina la huella gaussiana proyectada con opacidad; T es la transmitancia restante después de las gaussianas anteriores. Varias contribuciones forman cada píxel, lo que hace que la cobertura, la oclusión y la variación de color local sean relevantes para la imagen final. Los marcos de los gabinetes, los bordes de los juguetes y los patrones de las alfombras proporcionan lugares concretos para inspeccionar esos efectos.

7. Conclusiones y alcance

En estos dos casos interiores, MakeWorlds Studio conserva la distribución de la habitación, la estructura de los muebles y los finos detalles de las superficies, junto con resultados favorables en todos los conjuntos de prueba. La evidencia es visible en varias escalas: la disposición general de una habitación, el marco interno de un gabinete y los patrones o letras dentro de la escena. Estas ejecuciones demuestran una reconstrucción interior detallada a partir de un flujo de trabajo que comienza con fotografías y estima sus propias cámaras.

Estos dos casos de interior se seleccionaron de la evaluación publicada porque las tres métricas eran favorables en relación con las referencias del artículo de investigación. MakeWorlds Studio utiliza sus propias estimaciones de cámara, y los conjuntos de vistas de prueba y los canales completos no coincidieron con el experimento del artículo de investigación. Las diferencias ofrecen contexto frente a los valores publicados en la literatura; no establecen una clasificación controlada ni aíslan la contribución de un componente individual.

Las conclusiones se refieren a la fidelidad de la imagen en los puntos de vista probados en estas escenas y entornos. Las aplicaciones de medición también necesitarían verificaciones geométricas independientes del terreno, pruebas de errores dimensionales y verificaciones de superficies. Los recorridos necesitarían inspección durante el movimiento de la cámara para detectar parpadeos, transiciones de oclusión y regiones recientemente expuestas. Esas pruebas están fuera de este artículo.

Informamos un lote de evaluación registrado sin variación de ejecución a ejecución ni intervalos de confianza. Los deltas son observaciones, sin pretender tener significación estadística.

Condiciones y fuentes de prueba.
Entrada
263 fotografías de entrada para Dr Johnson; 225 para Playroom.
Configuración
Preajuste medio, resolución de fuente, 30.000 pasos. Las imágenes y las partituras provienen de ejecuciones de Mac en el mismo lote de evaluación.
Imágenes
Dr Johnson: vista-000040 y vista-000248. Playroom: vista-000184 y vista-000089. Se eligieron vistas para inspeccionar el diseño, los bordes y la textura, en lugar de mostrar las puntuaciones más altas. Cada render se empareja con su foto de referencia; la orientación de la pantalla y el recorte coinciden.

Conjunto de datos: combinación profunda. Deep Blending

Referencias

El modelo de representación y las definiciones de métricas siguen las fuentes siguientes. Los resultados experimentales se extraen de las evaluaciones de escenas publicadas por MakeWorlds Studio.

  1. Kerbl et al. (2023). 3D Gaussian Splatting for Real-Time Radiance Field Rendering.
  2. Hedman et al. (2018). Deep Blending for Free-Viewpoint Image-Based Rendering.
  3. Wang et al. (2004). Image Quality Assessment: From Error Visibility to Structural Similarity.
  4. Zhang et al. (2018). The Unreasonable Effectiveness of Deep Features as a Perceptual Metric.

Explore los resultados de las pruebas comparativas de tres plataformas · Planifica una captura de fotos