多くの視点。
ひとつのガウス場。

覚えられる特徴を与える。

つやのない物、明確な輪郭、非対称の細部から始めます。青い胴、クリームの縁、D形の取っ手、ひとつの印で同一性、回転、隠れを観察します。特徴のない球では難しくなります。

ひとつの基準画像をすべての角度に渡し、物が毎回変わらないようにします。背景、カメラの高さと距離、光を指定し、プロンプトと出力を保存します。

Rephotograph the exact same mug in the master image.
Camera azimuth: [angle] degrees; elevation: 20 degrees.
Only the camera moves. Preserve the rim and handle geometry.
Do not relocate the orange mark to keep it visible.
Keep subject scale, background and diffuse lighting fixed.
One view. No collage or labels.

試してみよう： 画像を切り替え、ガイドで構図と隠れる細部を比較します。角度は推定か既知の形で確認するまで未検証として扱います。

学習より先に対応づけ。

SfMは重なる画像の特徴を対応させ、カメラ姿勢と疎なシーンを推定します。学習には姿勢付き画像が必要で、角度名付きの画像フォルダーだけでは校正されません。

実写では物と光を固定し、複数の高さから重なる視点で回り込みます。ピント、露出、縁と取っ手の穴の範囲を確認し、物を変えずに説明できるカメラ列にします。

生成画像では登録できたカメラ数、軌道、疎な点とマグの一致を先に確認します。位置合わせが失敗したら学習回数では直せません。密な実写や、カメラ付きの既知3D描画を基準にします。

試してみよう： 特徴の対応を妨げる違いを3つ挙げ、美しさと登録の成功を分けて記録しましょう。

点が楕円になる。

各ガウスの3D中心と倍率の違う3軸から共分散行列をつくり、カメラで2D楕円へ投影します。長い軸も別の方向からは短く見えます。

既知のマグ表面をサンプルし、平行投影を使います。接線と法線で楕円を決め、遠近投影では局所的なヤコビアンを使います。しくみの説明用で、画像からマグを学んだモデルではありません。

試してみよう： 「楕円」で90°へ回り、カメラを上げます。細くなる楕円と広がる楕円を見ましょう。

柔らかさは有効、過剰なら細部を隠す。

ガウスの中心で強く、距離で不透明度を下げます。奥行き順で合成し、デモでは遠くから近くへ放射状グラデーションで近似します。

小さい投影には隙間、大きい投影には縁や印のぼけが出ます。点を増やすと範囲を埋めますが計算が増えます。本来の学習は位置、色、倍率、不透明度を変えて入力との差を減らします。

試してみよう： 「スプラット」で400点、0.5倍から始め、別々に増やします。滑らかさと輪郭の正確さを見ましょう。

小さな実行を先に確認。

位置合わせ済みの中解像度画像と短い試験から始めます。ML Train GSplatsを備えたHoudiniで姿勢付きデータ、初期化を選び学習します。未学習の視点、点数、損失を確認し、PLYやUSDを戻して検証します。

メモリーは解像度、画像キャッシュ、点数で変わります。縮小と少ないキャッシュ、点数上限から始め、GPU、解像度、カメラ数、ステップ、時間、最大メモリーを記録します。他機種の結果は自分の互換性を保証しません。

この実験はApple M4 Pro上で画像生成とブラウザー描画を行い、Houdiniや学習環境は実行していません。選ぶ学習器の要件を確認してください。CUDA専用の処理はApple GPUを直接使えません。

試してみよう： カメラ登録 → 試験学習 → 未学習視点の一致 → 書き出しの再読込の各段階で合否条件を記録します。失敗を確かめてから負荷を増やしましょう。

変えたものを明示する。

中心を動かすときは向きと共分散も変え、投影が新しい形に合うようにします。このねじりは位置、接線、法線を一緒に回します。

光は既知の法線で色を乗算する説明用です。一般の学習済み点群は焼き込んだ光を含む見た目を保存し、完全な素材や法線は持ちません。再照明には追加情報や適した表現が必要です。

試してみよう： 「編集」で変形し、周回と光を試します。JSONで中心、軸、倍率を確認しましょう。メタデータは手続き型の学習用モデルと明記しています。