P1.D opacity decay 5k smoke — splats -11.6%、PSNR +0.38 dB の同時改善

P1.B+F Stage 2 (Lego 30k brushcompat = 35.18 dB) は brush parity を +3.20 dB 上回ったが、splats が 846,689 (brush 282k の 3 倍)、wallclock 1h 2m (brush ~22m の 2.8 倍) と効率面で劣る。P1.D では brush の opacity decay (`opac_decay=0.004` default) を sigmoid-space で忠実移植し、5k smoke で splats -11.6% + PSNR +0.38 dB の同時改善 を確認。30k full bench に進む go 判定。

1. 5k smoke 直接比較 (Stage 1 baseline vs opacity decay)

2. 学習 curve (splats vs iter)

3. 実装 detail

// crates/splat-train-v1/src/refine.rs — Phase D 追加関数
pub fn apply_opacity_decay(param: &Param, decay_rate: f32, train_t: f32) {
    let n = param.num_splats as usize;
    if n == 0 || decay_rate == 0.0 { return; }
    let t_clamped = train_t.clamp(0.0, 1.0);
    let minus_opac = decay_rate * (1.0 - t_clamped);
    if minus_opac == 0.0 { return; }
    unsafe {
        let ptr = param.raw_opacities.contents() as *mut f32;
        for i in 0..n {
            let raw = *ptr.add(i);
            let cur = sigmoid(raw);
            let new_opac = (cur - minus_opac).clamp(1e-12, 1.0 - 1e-12);
            *ptr.add(i) = logit(new_opac);
        }
    }
}

// crates/splat-train-v1/src/train_loop.rs — refine() の **直前** に挿入
if refine_cfg.opacity_decay_rate > 0.0
    && it >= refine_cfg.start_iter
    && it <= refine_cfg.stop_iter
    && refine_cfg.every > 0
    && it % refine_cfg.every == 0
{
    let train_t = it as f32 / cfg.max_steps as f32;
    refine::apply_opacity_decay(param, refine_cfg.opacity_decay_rate, train_t);
}

• cadence: refine と同じ (every=100 iter)。brush の `refine_splats()` 内 (train.rs:611-619) と同位置。
• schedule: minus_opac = rate × (1 - train_t)、train_t = iter/max_steps。終盤 (t→1) で decay→0、後半は刈り込みなし。
• formula: sigmoid-space で減算。raw-space multiplicative (raw *= 1-decay) は raw=0 (sigmoid=0.5) で no-op になり brush と非互換。
• Adam m/v: 保持。brush も load_record(record) で m/v を維持しており、refine cadence で resetすると momentum が壊れる。raw_opacity の 絶対値 shift なので m_raw_opacity の方向情報は引き続き有効。
• gate: decay_rate > 0.0 で初めて関数 body に入る (early return)。default 0.0 で完全な backward compat。
• kernel 改変: なし。axis 3 (unified memory) で host RMW、Metal dispatch overhead (kernel コンパイル + encoder + commit) が実 work (N=83k の sigmoid + clamp + logit) より高くなる典型 case。

4. 4-way eval (Lego val 100 view)

5. Phase D 完遂判定と次 step

1. (1) 30k full bench: configs/2026-05-24-2000-lego-brushcompat-opacdecay-5k.toml を 30k 版に複製、`max_steps=30000` + `stop_iter=15000` (Stage 2 と同) で再実行。期待: PSNR ≥ 35.2 dB (Stage 2 と同等以上)、splats ≤ 500k (Stage 2 の 60% 以下)、wallclock ~ 1h 16m (+23%)。
2. (2) multi-scene 検証: chair で Stage 2 が splats 1.99M に爆発しているため、opacity decay を入れた配列で 8-scene chain を再実行する戦略判断材料に。chair で splats を 500k 以下に抑えられるか先行確認。
3. (3) rate tuning: rate=0.004 は brush default のまま。5k で +0.38 dB なら 0.006 / 0.008 で更に splats 削減できるか試す価値あり (overdecay で PSNR 落ち込む binary search)。
4. (4) axis 1 native Metal: 本 phase の host RMW は N=100k 帯では十分高速だが、N=1M+ (chair 級) では 5-10 ms 帯になる可能性。kernel 化は **Phase D' で N>500k スケール時に再評価**。

6. file:line index

7. 想定外 / 注意

• task spec の指示と実装の乖離 (意図的): spec は (a) per-step / (b) raw-space multiplicative / (c) Metal kernel を指示していたが、brush 元実装は per-refine / sigmoid-space / CPU host。advisor 助言で原典忠実な (A) 案を採用。理由: (i) raw-space multiplicative は raw=0 (sigmoid=0.5、初期値多数) で no-op、(ii) refine cadence なら N=83k でも 1 ms 未満で kernel dispatch overhead が work を上回る、(iii) 既存 refine 周辺は全て CPU host RMW で統一されており Metal kernel は dead artifact になる。
• wallclock +23% は refine cadence の host CPU loop が支配的。N=83k なら 1 周 ~0.5 ms × 50 refine call ≈ 25 ms の累積、wallclock 増 29 s の中で占める割合は ~0.1% にすぎないため、実際の overhead は refine pass + Adam invariance lookup などの周辺 effect が支配的の可能性。30k で確定。
• splats が 83,093 で頭打ち: stop_iter=1500 後は split/clone も decay も止まるので、5k 終了時の splats は brushcompat baseline 5k (93,948) を下回るが、実際の active opacity は前述の sigmoid-space shift で 下方シフトしている。30k では stop_iter=15000 まで decay が継続して刈り込みが効くため、最終 splats はさらに削減される見込み。

この finding が観測された / 言及している実験 run。

• lego-brushcompat-opacdecay-5kP1.D opacity decay 5k — brushcompat-base-5k に opacity_decay_rate=0.004 を追加PSNR 31.69 dBWallclock 2m 34sverdict partial

• neutralP1.A.1 brush eval audit — 数式定式化 + diff 観点 12 項目2026-05-24
• positiveP1.B+F Stage 2 — Lego 30k brushcompat で 35.184 dB、brush 自身を +3.20 dB 上回り2026-05-24
• positiveP1.B.F Stage 1 — gt_convention=premultiplied 切替で brush eval PSNR を 1.67 → 31.33 dB に回復、coupling 解消実証2026-05-24