c1v2-12500-off-prof

dataset

/Users/otkrickey/dev/3dgs-workspace/datasets/nerf_synthetic/lego

gt_convention

Premultiplied

iterations

12,500

seed

42

capacity

1,000,000 splats

sh_degree

3

loss

L1Ssim

lambda

0.200

ssim

window=7 sigma=1

backend.backward

Simd

backend.loss_path

Gpu

backend.emit_pairs

Original

backend.forward

F32

backend.dispatch

PerStage

backend.radix_scan

GpuHierarchical

backend.radix_scatter

SimdBallot

backend.binning

Resident

backend.tile_sort

GlobalRadix

backend.submission

PerKernel

backend.target_cache

true

backend.shader_fast_math

true

os_build

26.6.2 (25G83)

backend.ssim_clear

HostMemset

backend.raster_grad_clear

HostMemset

backend.backward_uniform

HostBuffer

backend.lazy_c3_scratch

false

backend.ssim_walk

PerChannel

学習結果 PLY を .splat 形式に変換し、antimatter15/splat の WebGL ビューワーで対話表示。

この run を related_runs に含む finding (Positive / Negative どちらも)。

• mixeddrums (998k splats @30k, in-window 749k @12.5k) per-kernel share 実測 — share 構造は Lego とほぼ不変 (backward_raster 40.09% vs 40.07%)、絶対 ms/iter 差は binary vintage (S4b+C2) で汚染Δ PSNR n/a (drums self-eval mean val PSNR 24.518 dB @12.5k — non-converged 途中経過、多 scene 退行チェックの正式値ではない。参照: multiscene-drums-30k baseline は 30k 収束時 27.217 dB)Δ drums: train elapsed 249.77s (n=1) / Lego v2: 174.57s (n=1)。**両方とも production baseline とは比較しない** — submission=per_kernel/forward_submission=per_stage/pipelining=off の 3 重に非 production な測定専用 regime (busy% drums 68.3%、Lego v2 65.6%)。意味があるのは kernel 単体の gpu_ms とその share のみ2026-08-31
• positiveM7 最終スタック確定 — 12.5k 124.39s (独立 n=3)、msplat 等価 gap 0.927×→0.755×、throughput 1.135×負け→0.926× (msplat 側 avg splats 借用値 ±8% 未満なら逆転)Δ PSNR 12.5k self-eval (r2-r4 n=3 mean): **36.219 dB** (σ 0.046%)、baseline guard 36.202±0.1dB 内。brush cross-eval q8 (r2-r4 mean): **36.249 dB** (msplat 30K 保守値 34.243 比 **+2.006dB**、旧 +1.97dB とほぼ不変)。white cross-eval (r2-r4 mean): **35.147 dB** (msplat 30K cross-eval 最小 36.252 比 **-1.105dB**、旧 -1.10dB とほぼ不変)Δ 12.5k train elapsed 独立 n=3 (r2/r3/r4、clean set): **124.393s (σ 0.756%)**。A7 gate on-arm mean (124.807s) を **-0.33%** で再現。msplat 等価 gap (block1 n=2 分母 164.69s): **0.755×** (旧 0.927×)。per-splat·iter throughput: 本実装 **30.94ns** vs msplat 33.4ns = **0.926×** (旧 1.135×負けから逆転)2026-08-30
• mixedM1/v2 — post-S2/S3 per-kernel share 再計測: backward_raster 33.9%→40.1% (M4/A7 後)、radix 26.4%→12.0% (M4 の絶対削減を反映) → M3 GO 判定は不変。C2 残差 4.54s は driver latency / CB gap に分解不能 (計装欠如、file:line 提案のみ)Δ PSNR n=1: 36.087 dB (self-eval val mean, 100 views)。p2-s3 の off/depth2 n=3 mean (36.185 / 36.202 dB) の guard 内。本 run は submission=per_kernel/forward_submission=per_stage という別 regime なので PSNR の直接比較は非対象 (kernel は bit-exact のため理論上は同水準になるはず、というだけの参考値)Δ train elapsed 205.78s (n=1)。**production baseline (depth2 default, 151.70s) や S3 off baseline (185.21s) と直接比較しない** — per_kernel/per_stage submission は CB 数が既定の 15〜27/iter → 15 CB/iter 超 (最終 15,001 cb from iter1 window 相当) に増え、busy% が 68.9% まで下がる**測定専用 regime**であり、本 run の wallclock 自体に意味はない。意味があるのは kernel 単体の gpu_ms とその share のみ2026-08-30