A.4 NeRF Synthetic 他シーン展開 — 8 シーン complete 30k 結果

lego + chair / ficus / drums / hotdog / mic / materials / ship で 30k 学習、NeRF Synthetic 8 シーン全完了。シーン難易度は PSNR で 17.6 dB の幅 (materials 12.71 〜 hotdog 30.29)、mean 18.95 ± 6.0 dB。本実装の brush SoTA 比 gap も scene-dependent で hotdog -7.4 dB / materials -17.3 dB / ficus -20.9 dB と sparse SfM init / 反射 PBR シーンで挙動が異なる。

mixedrank: highpartial第 1 軸phase-5nerf-syntheticmulti-scenepsnrscene-dependencyevaluation8-scenes

Δ PSNR

-5.93 dB (8 シーン平均 18.95 vs lego 24.879、std ±6.0)

Δ Wallclock

21-29 min (シーン非依存的、materials のみ +5 min)

Impact

8 シーン complete (lego + 7 新規) 30k 完遂。シーン依存性が PSNR で 17.6 dB の幅 (materials 12.71 〜 hotdog 30.29)、mean 18.95 ± 6.0 dB。本実装の brush SoTA 比 gap は scene-dependent で -7.4 dB (hotdog) 〜 -22.3 dB (ficus 含む)。共通要因仮説: SfM init.ply の sparsity (細い枝 / マイク / 反射 PBR で薄い) + refine grad_threshold の lego/hotdog tuning over-fit。卒論 evaluation で「lego baseline + multi-scene mean ± std」併記必須。

本文

実施: 2026-05-23 05:16〜06:40 JST (chair → ficus → drums → hotdog)、2026-05-23 12:10〜13:25 JST (mic → materials → ship) の 2 phase。baseline: lego sh=3 30k = 24.879 dB / 23m13s / 83,734 splats (seed=42, capacity=1M)。config: configs/2026-05-22-2200-{chair,ficus,drums,hotdog}-30k.toml + configs/2026-05-23-1000-{mic,materials,ship}-30k.toml、dataset path 以外は migration-gate と同条件。

メイン表 (8 シーン complete + brush paper 比較)

scene	PSNR (dB)	wallclock	ΔPSNR vs lego	brush paper	gap to brush	難易度評価
lego (ref)	24.879	23m13s	(baseline)	35.78	-10.9	medium (角張った構造)
chair	22.883	22m54s	-2.00	35.83	-12.9	medium-hard (脚 / 椅子背)
ficus	13.959	22m54s	-10.92	34.87	-20.9	very hard (細い枝、init sparse)
drums	17.773	21m27s	-7.11	26.15	-8.4	hard (反射成分 / 多面体)
hotdog	30.290	23m52s	+5.41	37.72	-7.4	easy (シンプル平面 / 単一色)
mic	15.031	22m13s	-9.85	35.36	-20.3	hard (マイク 1 本、init.ply 薄い)
materials	12.709	28m28s	-12.17	30.00	-17.3	hard (反射 PBR ボール、SH=3 で不足)
ship	15.038	23m58s	-9.84	30.94	-15.9	hard (構造物、init sparse)

8 シーン complete (NeRF Synthetic 全 scene)。ficus / materials が極端低、hotdog のみ lego を上回る。brush paper との gap も scene 依存。

シーン依存性の core finding (2026-05-24 更新)

シーン難易度は PSNR で 17.6 dB の幅 (materials 12.71 〜 hotdog 30.29) — 「単一シーンの数字で trainer の能力を評価する」ことの危うさを decisive に実証。
ficus / materials / mic / ship が壊滅的失敗 (12-15 dB): 共通仮説は SfM init.ply の sparsity + refine の grad_threshold が lego/hotdog tuning に over-fit。これらシーンでは init point cloud が薄く、refine が「main density area」のみに集中して周辺 (枝 / 構造物 / 反射光) を学習できない。
hotdog の優位 (+5.41 dB): 単純な皿 + 食材形状、texture が連続的、refine の grad-driven split に向く。本実装でも 30.29 まで届いたのは健闘。
materials の wallclock +21% (28m28s): 反射 PBR で gradient 計算が他シーンより重い、または refine 後 splats 多めに残った可能性。
chair の中間 (-2.00 dB): 椅子の構造は本実装の trainer recipe で比較的扱いやすい、splat 数が 130k+ (他より多い) → A.7 batching が chair で -18.6% 効いた理由。

平均 PSNR と分散 (8 シーン complete)

8 シーン complete 平均: (24.879 + 22.883 + 13.959 + 17.773 + 30.290 + 15.031 + 12.709 + 15.038) / 8 = 18.95 dB
標準偏差 (8 シーン): ~6.0 dB → 巨大なシーン依存性
brush SoTA paper mean (Kerbl+ 2023 Table 1): 33.32 dB
本実装の multi-scene mean gap to brush: -14.4 dB (mean to mean)、lego 単独 gap -10.9 dB より大きい
hotdog (+5.41 vs lego) だけが lego を上回り、他 7 シーンは全て lego を下回る → 本実装は "lego/hotdog に over-fit した refine schedule" の疑い

A.5 final ablation 表の「Lego 単一の数字」では trainer の能力を 過大評価 していたことが 8 シーン complete で確定。卒論では「lego baseline + multi-scene mean ± std」を必ず併記すべき。実際には multi-scene mean 18.95 dB が本実装の honest 数字。

brush 系 SoTA との比較 (8 シーン詳細)

scene	本実装	brush paper	gap	備考
lego	24.879	35.78	-10.9	Phase 5 既知 gap
chair	22.883	35.83	-12.9	medium gap
ficus	13.959	34.87	-20.9	max gap、SfM init 薄い
drums	17.773	26.15	-8.4	min gap (brush も難)
hotdog	30.290	37.72	-7.4	本実装も健闘
mic	15.031	35.36	-20.3	近接 max gap
materials	12.709	30.00	-17.3	反射 PBR で困難
ship	15.038	30.94	-15.9	構造物、init 薄
mean	18.95	33.32	-14.4	本実装 multi-scene 平均

本実装は "テクスチャ連続シーン" (hotdog) で gap 小、"細い構造 / 反射シーン" (ficus / mic / materials / ship) で gap 大。

卒論への含意 (Chapter 4 evaluation 章)

central table を 8 シーン化: A.5 lego 単独行を「NeRF Synthetic 8 シーン complete」table に拡張、mean ± std で報告。
scene-dependent gap の議論: 「本実装は SfM-init point cloud sparse なシーン / 反射 PBR シーンで refine が届かない」を Negative finding として明文化 (D.3 negative-findings-chapter に追加)。
brush 比 multi-scene mean: 本実装 18.95 dB vs brush 33.32 dB = multi-scene gap -14.4 dB、これが「trainer recipe 不足」の honest evaluation (lego 単独 -10.9 dB より 3.5 dB 悪い)。
モバイル含意: シーン dependency が強いので、デバイス上での同 trainer 適用も「容易シーンには動くが難しいシーンには破綻」を示唆、deployment 前に scene category 分類が必要。

残作業

✅ splat-summary build-all で 8 シーン runs/ HTML 化 (deploy.sh で自動)
✅ plan.vue 更新 (A.4 → done)
✅ A.5 final-ablation-table.toml に "Multi-scene NeRF Synthetic 8" セクション追加
(defer) refine grad_threshold を scene-adaptive 化、ficus / mic / materials の PSNR 改善
(defer) brush SoTA gap を埋めるための trainer recipe 改修 (lr schedule, refine boundary, init.ply 増強)