2DGS (surfel) + 平面正則化 — LiDAR-primed では負の結果 (2026-06-13)
深度教師ありで「位置（深度）」は実面に固定できたが、 外挿下の RGB floater は残る（深度は正しいが視点依存の見えが崩れる）。これを surfel primitive と平面正則化で抑えられないか検証した記録。結論: LiDAR-primed パイプラインでは 2DGS は 3DGS+深度教師ありに勝てず、productionize しない（MCMC と 同じ理由）。
試したこと
gsplat 1.5.3 はネイティブ 2DGS (rasterization_2dgs) を持ち、既存と同じ
(means, quats, scales, opacities, colors) コンテナをそのまま使える（DefaultStrategy は
key_for_gradient='gradient_2dgs' で対応）。これに 2DGS 標準の 2 正則化を加えた:
- normal 一貫性: レンダ法線
render_normalsを深度勾配由来のsurf_normalsに揃える(1 - <render_normals, surf_normals>)。 - depth distortion:
render_distort（レイ方向の重み分散）を最小化＝floater を潰す狙い。
RTK-SLAM walk (74 train / 19 held-out) で、外挿 dolly 深度プローブ （テスト視点を横へ 0〜0.8m ドリーし render 深度 vs LiDAR 投影深度の MAE）で比較。
結果（外挿 dolly 深度 MAE, cm）
| 構成 | 0.0m | 0.2m | 0.4m | 0.8m |
|---|---|---|---|---|
| 3DGS base（photometric） | 349 | 330 | 290 | 184 |
| 3DGS + 深度教師 λ0.02 | 20 | 26 | 30 | 34 |
| 2DGS + normal + dist | 223 | 117 | 124 | 262 |
| 2DGS + normal + dist + depth | 41 | 38 | 50 | 320 |
| 2DGS pure + depth | 35 | 44 | 208 | 44 |
- 全 2DGS 変種が 3DGS+深度教師ありに負ける。しかも offset により 200〜320cm へ 発散（surfel レンダは外挿下で不安定）。
- 2DGS+正則化（深度なし）は base よりマシだが深度教師ありに遠く及ばない（局所 surfel 一貫性は絶対的な実面アンカーにならない）。
- RGB を外挿レンダしても floater/霧は 3DGS と同程度かむしろ悪化（grazing 角の surfel が 画面空間で霧になる）。
洞察
LiDAR のメトリック深度事前が、2DGS の自己教師な幾何正則化を包含する。2DGS の normal/distortion 損失は「画像だけから面の向きと厚みを一から推定する」ためのもので、 ground-truth の LiDAR 深度が既にある本パイプラインでは冗長。むしろ surfel primitive は 外挿下で 3D Gaussian より不安定だった。これは MCMC が負だった理由 （LiDAR-primed の強い幾何事前があると、自前で再配置/再発見する手法より素直な手法が優位） と一貫する。
外挿下の RGB floater は依然未解決だが、その本丸は surfel 化ではなく視点依存の見え （色・grazing opacity・モーションブラー）のモデル化。photoreal novel-view はキャプチャ品質 律速（trajectory-flythrough）という結論は変わらない。
注意（フェアネス）
normal 損失の warmup スケジュールや重み・iter 数は網羅的にチューニングしていない（2DGS 論文は
normal 損失を後半から効かせる）。ただし判断基準は「深度教師ありに勝てるか」で、素直な
3DGS+深度教師ありが既に幾何を解いている以上、2DGS は明確な利得なく大きなコード経路と外挿
不安定性を持ち込むだけ、と判断した。spike コードは output/twodgs_spike/spike.py(gitignore)。