🔔 Recompensa n.° 004: Optimización automática de hiperparámetros por escena Desarrollar un sistema para gplv3 LichtFeld Studio que encuentre automáticamente los hiperparámetros óptimos para cada escena durante el entrenamiento. Debe utilizar densificación MCMC (número de gaussianas ajustable). Objetivo: +0,15 dB PSNR sobre la línea base MipNeRF360. Bolsa de premios: 2.430 dólares. ¡Detalles y enlace en el hilo de abajo!
🧾 Reglas básicas (brevemente): • Ejecutar durante el entrenamiento sin ajuste manual por escena. • Ajustar las tasas de aprendizaje para la posición, la escala, la rotación, la opacidad y los armónicos esféricos. • Modificar los umbrales/intervalos de densificación, el número de iteraciones, el número de gaussianas y otros parámetros de calidad/convergencia. • Bifurcar desde la rama bounty_004. • Asegúrese de que las ejecuciones sean reproducibles.
💡 Enfoques que puedes utilizar: • Controladores RL (RLGS / política para ajustar los horarios) • Optimización bayesiana / SMAC (HPO basado en modelos) • Metaaprendizaje / adaptación por escena (ajuste fino rápido) • Métodos hipergradientes basados en gradientes (programaciones LR aprendibles) • Optimizadores de entrenamiento basados en la población / sin horarios fijos • Cualquier combinación novedosa — pero se requiere densificación MCMC + gaussianas ajustables.
📦 Enviar: • Solicitud de extracción a bounty_004 con un punto de entrada ejecutable • Tabla de resultados (todas las escenas MipNeRF360) • Resumen visual y técnico • Dependencias + Licencias compatibles con GPLv3 Se prefiere C++ (Python = reducción del 20% en la bonificación). Fecha límite: 12 de octubre de 2025, 23:59 PST (12 de octubre de 2025, 11:59 PST). ¡Buena suerte!
Patrocinadores del premio total de 2.430 dólares: @Auki $1000 @fulligin $500 @janusch_patas $300 @YeheLiu $280 @kennethlynne $200 @fhahlbohm $100 @mazgithub.com/MrNeRF/LichtFe… GitHub: hdiscord.gg/NqwTqVYVmj Discord: https://t.co/vHUPD8hcdg