벤치마크 · Tanks and Temples
Train 재구성: 사진 301장, 세 가지 플랫폼
Train의 기록된 Mac 실행에 301개의 입력 사진이 모두 등록되었습니다. 재구성에서는 읽을 수 있는 기관차 번호, 패널 분할 및 난간을 유지합니다. Mac에서 Linux 및 Windows에서 각 실행은 원본 3DGS 연구 논문의 해당 값보다 높은 PSNR 및 SSIM 및 낮은 LPIPS를 기록합니다. 아래 비교는 해당 결과를 눈에 보이는 장면 세부정보와 연결합니다.
세 가지 관점에서 재건축을 점검하다
이러한 참조/렌더링 쌍은 동일한 Mac 평가판에서 나왔습니다. 전면과 몸체부터 시작하여 더 넓은 배치를 위해 경사 뷰로 전환한 다음 측면을 검사합니다. 구분선을 이동하여 왼쪽의 참조 사진과 오른쪽의 렌더링을 사용하여 개별 기능을 비교하세요.
Mac · view-000009 · 전면 및 본체
713 번호, 패널 이음새, 환기 그릴 및 전면 계단은 재구성된 보기에서 식별 가능한 상태로 남아 있습니다.
Mac · view-000057 · 경사 개요
비스듬한 뷰는 기관차의 배열, 선로의 방향, 주요 피사체의 줄무늬 전면을 보여줍니다.
Mac · view-000249 · 측면 질감
큰 글자, 그릴, 긴 난간은 풍화된 페인트의 눈에 띄는 변화와 함께 측면을 따라 유지됩니다.
페인트 표시부터 좁은 난간까지
숫자와 문자는 유용한 텍스처 참조를 만듭니다. 그릴과 패널 이음새는 반복적인 구조를 드러내고, 계단과 난간은 좁은 윤곽선과 겹치는 부분을 보여줍니다. 함께, 그들은 기관차의 전체 모양 내에서 여러 규모로 유지된 세부 사항을 보여줍니다.
두 클로즈업 모두 정면 및 몸체 뷰를 사용하며 참조 및 렌더링에 동일한 자르기 및 배율이 적용됩니다.
세 가지 플랫폼의 이미지 측정항목
테스트된 모든 플랫폼은 연구 논문에서 보고된 값보다 높은 PSNR 및 SSIM 및 낮은 LPIPS를 기록합니다. LPIPS은 이러한 실행에서 29.5%~29.9% 더 낮습니다. 지각 이미지 특징 사이의 거리를 측정하므로 백분율은 해당 측정항목의 감소를 나타냅니다. 이는 인식된 이미지 품질의 백분율 향상이 아닙니다.
| 결과 | PSNR ↑ / dB | SSIM ↑ | LPIPS ↓ |
|---|---|---|---|
| 3DGS 연구 논문(신고) | 21.097 | 0.8020 | 0.2180 |
| MakeWorlds Studio · Mac | 21.227Δ +0.130 | 0.8463Δ +0.0443 | 0.1537Δ −0.0643 |
| MakeWorlds Studio · Linux | 21.282Δ +0.185 | 0.8479Δ +0.0459 | 0.1528Δ −0.0652 |
| MakeWorlds Studio · Windows | 21.205Δ +0.108 | 0.8468Δ +0.0448 | 0.1530Δ −0.0650 |
기준값은 원본 3DGS 연구 논문의 부록 표 7~9에 있는 30,000단계 결과입니다. 이 표에는 모든 테스트 보기가 포함되어 있습니다. MakeWorlds Studio는 자체 카메라를 추정하고 있으며, 비교 설정은 연구 논문의 실험과 다릅니다. 비교 조건 및 범위 연구 논문 읽기 · Tanks and Temples
테스트 조건 및 소스
- 입력
- 301개의 입력 사진; 기록된 Mac 실행에 모두 등록됨
- 설정
- 중간 계층, 소스 해상도, 30,000단계
- 하드웨어
- 맥: 애플 M4 Max; Linux 및 Windows: NVIDIA RTX 4090
- 맥 평가
- 19 제품으로 해결된 카메라를 사용하여 고정된 테스트 뷰.
- 이미지
- 선택된 Mac 테스트 보기 view-000009, view-000057 및 view-000249, 동일한 평가의 렌더링 및 원본 사진을 페어링합니다.
이 사례가 보여주는 것
이 Train 실행은 입력 사진의 전체 등록을 소스 이미지와 비교하여 번호, 신체 구조 및 좁은 구성 요소를 확인할 수 있는 재구성과 연결합니다. 3가지 플랫폼 결과는 이미지 지표 전체에서 동일한 긍정적인 방향을 지원합니다. 장면 기록 작업의 경우 이러한 개별 서신은 재구성된 대상의 모습과 레이아웃에 대한 구체적인 증거를 제공합니다.
Train은 이 평가 배치에서 선택된 긍정적 사례입니다. 카메라 추정치, 테스트 뷰 세트 및 전체 파이프라인이 연구 논문과 일치하지 않았으므로 델타는 제어된 알고리즘 순위보다는 문헌 컨텍스트를 제공합니다. 이 기사에서는 이미지 충실도를 평가합니다. 카메라 모션 품질, 치수 정확도, 런타임 성능은 별도의 확인이 필요합니다. 멀리 있는 초목과 고운 땅의 질감은 이미지 쌍에서 여전히 부드러워지는 모습을 보여줍니다.