Gaussian Splatting · 17 정렬 갱신 간격
단계: 가시성과 품질 실험 · 편집 가능한 예제 · 저장 ID: gaussian-splatting-step-17
목표와 학습 후 역량
- 정렬 결과를 재사용한다.
- 갱신 지연을 시각적으로 평가한다.
선수 지식
16단위 결과물과 기록을 이어 사용합니다. 정렬 갱신 간격 실험에 앞서 이전 입력과 기준 출력을 보관합니다.
핵심 개념과 설명
재사용
카메라가 멈추면 깊이 순서를 재사용할 수 있습니다. 카메라가 움직이는 동안 오래된 순서를 쓰면 합성 오류가 늘 수 있습니다.
지연 관찰
정렬 주기를 낮추면 CPU 작업은 줄지만 화면 반응이 늦어질 수 있습니다. 평균 시간만으로 이런 변화가 드러나지는 않습니다.
실습 준비
예제 화면의 실행 범위 안내를 먼저 확인하세요. 다음은 과제를 별도 프로젝트로 확장할 때의 준비 환경입니다. 별도 로컬 프로젝트의 문서 안내 실습입니다. 직접 만든 소형 데이터 또는 사용 허가를 확인한 로컬 파일만 사용합니다. 기존 미리보기는 1 MiB·512개 이하 .splat/ASCII GS PLY를 다루는 CPU 교육 뷰어이며 Spark GPU 렌더러가 아닙니다.
연결된 예제는 출발점입니다. 아래 과제 전체가 완성된 코드는 아니며, 예제의 지원 범위를 넘는 작업은 별도 프로젝트에서 수행하세요.
실습 과제
- scheduler.js에 매 프레임과 4프레임 간격 정렬 모드를 만드세요.
- 같은 camera-path.json을 두 모드에서 재생하세요.
- 정렬 횟수·CPU 시간·순서 갱신 시점의 이미지 차이를 기록하세요.
관찰할 변수
| 변수 | 기준 조건 | 바꿀 조건 | 예상할 변화·검증 가설 |
|---|---|---|---|
| 정렬 주기 | 1프레임 | 4프레임 | 정렬 호출은 줄고 빠른 회전에서 오래된 순서의 흔적이 늘 것으로 예상합니다. |
표의 예상은 측정 결과가 아닙니다. 한 번에 한 조건만 바꾸고 실제 결과가 다르면 원인을 기록하세요.
완료 조건
- 동일 길이 재생에서 정렬 호출 수를 비교한다.
- 순서가 바뀌는 구간 두 곳의 이미지를 보관한다.
자가 점검
- 카메라 이동량 기반 갱신은 무엇을 개선하나요?
- 정렬 시간 감소를 전체 프레임 개선으로 바로 볼 수 있나요?
공식 참고
연결된 예제와 실행 범위
CPU Canvas2D 합성 fixture와 계약 검사. Spark GPU·학습 데이터·재구성 품질·GPU 성능 주장을 제공하지 않습니다.
원본 코드·기록은 자동으로 덮어쓰지 않습니다. 기존 예제를 초기화할 때도 필기는 유지됩니다.
다음 학습
이전: 가시 범위와 보수적 제외 · 다음: 해상도와 픽셀 작업량