🔔 Bounty #004 - 자동 장면별 하이퍼파라미터 최적화 학습 과정에서 장면별로 최적의 하이퍼파라미터를 자동으로 찾는 gplv3 LichtFeld Studio용 시스템을 구축하세요. MCMC 밀도화(가우시안 개수 조정 가능)를 사용해야 합니다. 목표: MipNeRF360 기준선 대비 +0.15 dB PSNR. 상금 총액: 2,430달러. 자세한 내용과 링크는 아래 스레드에서 확인하세요!
🧾 핵심 규칙(간략): • 장면별 수동 튜닝 없이 교육 중에 실행합니다. • 위치, 크기, 회전, 불투명도 및 구면 고조파에 대한 학습률을 조정합니다. • 밀도화 임계값/간격, 반복 횟수, 가우시안 수 및 기타 품질/수렴 매개변수를 수정합니다. • bounty_004 브랜치에서 포크되었습니다. • 실행이 재현 가능한지 확인하세요.
💡 사용할 수 있는 접근 방식: • RL 컨트롤러(RLGS/일정 조정 정책) • 베이지안 최적화 / SMAC(모델 기반 HPO) • 메타 학습/장면별 적응(빠른 미세 조정) • 그래디언트 기반 하이퍼그래드 방법(학습 가능한 LR 일정) • 인구 기반 훈련 / 일정 없는 최적화 프로그램 • 새로운 조합이 가능하지만 MCMC 고밀도화 + 조정 가능한 가우시안이 필요합니다.
📦 제출: • 실행 가능한 진입점이 있는 bounty_004에 대한 PR • 결과 표(모든 MipNeRF360 장면) • 비주얼 및 기술 브리핑 • 종속성 + GPLv3 호환 라이센스 C++가 선호됩니다(Python의 경우 보상금이 20% 감소합니다). 마감일: 2025년 10월 12일 오후 11시 59분 PST(2025년 10월 12일 오전 11시 59분 PST). 행운을 빌어요!
총 상금 $2,430의 후원사: @아우키 1000달러 @fulligin 500달러 @janusch_patas 300달러 @YeheLiu 280달러 @kennethlynne 200달러 @fhahlbohm 100달러 @mazy1998 50달러 github 이슈: httgithub.com/MrNeRF/LichtFe…스코드: https://t.co/vHUPD8hcdg