P2 msplat parity — 同日等価比較で msplat 30K = 167.7s / 36.5 dB、gap は 12.5k で 2.10× (matched-wallclock 7.5k は 1.08× で brush +0.94 dB)

msplat (rayanht, PyPI wheel v1.1.3) と本実装 (commit 2fb7554、default = binning resident + last_contributor) を、msplat → splat 12.5k → msplat → splat 7.5k の interleave 直列実行 (thermal 打ち消し) で同日比較した。dataset は同一 (NeRF Synthetic lego 800×800)、init 点群は本実装と同じ cull (||pos|| ≤ 1.5) を適用した 同一の 5207 点、学習 view は両者とも train 100 view 全量、eval は 両実装の final PLY を同じ `splat eval` (val 100 view) に通す cross-eval。wallclock は両者とも profiling オーバーヘッドなし。

1. 実測サマリ (M4 Max、同日 interleave、wallclock は train loop のみ)

2. 2026-06 spike との差分 (msplat 側)

3. 公式 gap 断面 (2 断面 + throughput)

4. eval convention coupling — PSNR 勝敗は convention で反転する

• brush conv no-quant の罠: msplat PLY の raw float render は [0,1] 外への overshoot を含み、clamp なし比較では 21.1 dB まで崩壊する (8-bit quantize = clamp 込みで 33.0-34.5 dB に回復)。本実装は overshoot がほぼなく q8 差 +0.03 dB。msplat 側の brush 数値は q8 (clamp 込み) を公式とする。
• white-bg cross-eval の測定条件: 本実装 renderer で両 PLY を描画し、8-bit RGBA PNG 経由で α 合成 → white GT と比較。msplat native (float、msplat renderer) の 36.53 に対し同 PLY で 36.28 — renderer 差 + 8-bit 量子化で -0.25 dB。この -0.25 dB は両実装の PLY に同じ経路を通すことで対称化されている。
• evaluator 整合性の確認: 本実装 final.ply の brush cross-eval (36.236 / 35.388) が trainer 内部の final val PSNR と一致 (< 0.001 dB) — eval CLI と trainer eval の等価性を確認。
• 非決定性: msplat は同条件 2 run で final splats 190,674 / 194,986、brush cross-eval 33.05 / 34.47 (1.4 dB 差、native では 0.03 dB 差)。本実装も 12.5k 2 run で 36.236 / 36.140 (0.10 dB 差)。convention mismatch 下の cross-eval は run 間分散が増幅される。

5. wallclock の信頼区間と profile=false の効果

• 本実装 12.5k は同日 2 run で 352.27s / 385.25s (interleave 1 run 目 / 直後の連続 rep2)、公式 (profile=true、Phase 2 時) は 336.33s。profile=false による短縮は観測されず、run 間分散 (~10%、thermal / OS jitter) が profiling オーバーヘッドを上回る。gap 計算には interleave protocol 下の 352.27s を使用 (336.33s 基準なら 2.01×)。
• msplat は 2 run で 167.85s / 167.48s (0.2% 差) と極めて安定。単一 encoder ×30K dispatch の構造は thermal / jitter の影響を受けにくい。
• wallclock の定義: 両者とも train loop のみ (dataset load / PLY export / eval を除外)。msplat は Python 側 perf_counter、本実装は trainer 内 Instant。

6. 再現手順

# msplat 環境 (wheel v1.1.3)
uv venv msplat-venv --python 3.12
uv pip install --python msplat-venv/bin/python "msplat==1.1.3" numpy pillow

# dataset 変換 (blender lego → nerfstudio 形式、white-bg composite + culled init.ply)
LEGO=/Users/otkrickey/dev/3dgs-workspace/datasets/nerf_synthetic/lego
python docs/strategy/msplat_parity_lego.py convert --lego $LEGO --out /tmp/lego-ns

# interleave 実行 (msplat → splat 12.5k → msplat → splat 7.5k)
python docs/strategy/msplat_parity_lego.py train --dataset /tmp/lego-ns --lego $LEGO \
  --iters 30000 --out-ply msplat-r1.ply           # → 167.85s / 36.539 dB
( cd splat && ./target/release/splat train \
  --config configs/2026-08-16-lego-parity-noprof-12500.toml )  # → 352.27s / 36.236 dB
# (msplat r2, splat 7.5k を同様に)

# cross-eval (同一 evaluator)
python docs/strategy/msplat_parity_lego.py convert-ply --inp msplat-r1.ply --out msplat-r1-brush.ply
splat/target/release/splat eval --ply msplat-r1-brush.ply --dataset $LEGO \
  --split val --convention brush --quantize-8bit
splat/target/release/splat eval --ply splat/runs/lego-parity-noprof-12500/final.ply \
  --dataset $LEGO --split val --convention brush
# white-bg cross-eval は 3dgs-workspace/msplat-parity-20260816/white_eval.py

7. 卒論への反映と申し送り

1. §5 direct comparison 表の更新: msplat Lego 30K は 167.7s / 36.53 dB (native) を正とし、spike 値 (219.8s / 35.48 dB) は「初期 spike、条件非対称」と脚注化。gap は 2.10× (12.5k) / 1.08× (7.5k) を併記。
2. reframing narrative の修正: 「Lego で +0.78 dB」という単純な品質優位の主張は不可 (convention 依存で反転する)。品質軸の主張は materials robustness (+21 dB、convention 非依存の破綻) と convention 明示性 (Phase A audit) に寄せる。
3. convention coupling を §5 の独立トピックに: 第三者実装との cross-eval で p1-a-3 の主張 (training/eval convention は coupling する) を再実証した — 評価方法論の contribution として書ける。
4. gap sweep Phase 3 の残作業: Pareto plot v3 は本 finding の同日値で再生成する (make_msplat_pareto.py の入力更新)。
5. msplat 側の PSNR が向上した事実: 良 init + 全 view 学習で msplat は 36.5 dB に達する — spike の 35.48 は msplat の下限側だった。ベースライン数値は実行条件の記録が完全な場合のみ引用可、という protocol 教訓 (mcmc_noise_calibration_lesson と同型)。

この finding が観測された / 言及している実験 run。

• lego-parity-noprof-12500msplat parity 比較 — Phase 2 default スタック (resident + last_contributor) 12.5k、profile=false の wallclock 実測PSNR 36.14 dBWallclock 6m 25sverdict partial
• lego-parity-noprof-7500msplat parity 比較 — Phase 2 default スタック (resident + last_contributor) 7.5k (Phase H pareto の 35.51 dB 点)、profile=false の wallclock 実測PSNR 35.39 dBWallclock 3m 1sverdict partial

• positiveP2 gap sweep Phase 2 — C0 resident arena + C1 pass skip で -48.4% (bit-exact)2026-08-16
• positiveP2 gap sweep Phase 0/1a — binning 55% 実測 + C0 発見 + StopThePop -7.45%2026-08-16
• positiveP2 gap sweep Phase 2 — 2-BWD last_contributor で -15.0% (数学的同値)、STP 再判定は棄却2026-08-16
• mixedmsplat v1.1.3 baseline spike — M4 Max 実測、Lego 30K で 3m40s / 35.48 dB、materials で densify 破綻2026-06-26
• negativeP1.A.3 cross-eval reproducer — brush convention で 24.879 → 1.67 dB に崩壊、主仮説 falsify2026-05-24