# 논문 비교표 초안 — 주행 장면 3DGS·시뮬레이터 (2026-10-06 조사) CVPR 제출을 가정한 비교표 초안. 수치는 각 논문 arXiv 원문 표(HTML)에서 옮겼다. **요약 도구를 거쳐 읽었으므로 제출 전 PDF 표와 반드시 대조할 것** (조사 중 열 이름이 잘못 붙은 사례가 1건 있었다 — ReconDreamer++ 3 m/6 m). '(복사: X)' 는 그 논문이 X 의 표를 옮겨 온 값, '(재실행)' 은 그 논문 저자가 다시 돌린 값이다. **같은 모델도 프로토콜(해상도·분할·카메라·클립 길이·마스크)에 따라 수 dB 씩 다르다** — 예: Street Gaussians 재구성 PSNR 은 OmniRe 표에서 29.08, PVG 표 4 에서 32.18. 다른 프로토콜의 수치를 한 열에 섞지 않는다. --- ## 1. nuScenes — 원래 경로 (보간 시점) ### 1a. SplatAD 프로토콜 ← **우리가 맞출 기준 (추천)** SplatAD (arXiv 2411.16816, CVPR'25) 표 1. 10개 장면 0039·0054·0061·0066·0104·0108·0122·0176·0180·0193, 6캠 원 해상도(1600×900), 한 프레임 걸러 학습 / 나머지 평가. 기준선 전부 SplatAD 저자 재실행 (공개 코드 neurad-studio). | 방법 | PSNR | SSIM | LPIPS | |---|---|---|---| | UniSim | 22.66 | 0.743 | 0.414 | | PVG | 24.94 | 0.768 | 0.497 | | OmniRe | 25.50 | 0.798 | 0.386 | | Street Gaussians | 25.54 | 0.799 | 0.375 | | NeuRAD | 26.17 | 0.790 | 0.312 | | **SplatAD** | **27.54** | **0.849** | **0.302** | - 10개 중 **6개가 싱가포르** (0039·0054·0061·0122·0193 one-north, 0180 queenstown — 우리 인덱스에 있음), 4개(0066·0104·0108·0176)는 보스턴. → 보스턴 4개를 인덱스에 더해 10개 전체를 돌리거나, '싱가포르 6개 부분집합' 으로 따로 표기 (기준선도 같은 6개로 다시 계산해야 함 — 논문은 장면별 수치를 주지 않음, **확인 필요**). - '프레임' 이 2 Hz 키프레임인지 12 Hz sweep 포함인지 논문에 명시 없음 — **확인 필요** (분할 난이도가 달라진다). ### 1b. 그 밖의 nuScenes 프로토콜 (참고 — 우리와 직접 비교 불가) | 출처 | 설정 | 방법: PSNR / SSIM / LPIPS | |---|---|---| | DrivingGaussian (2312.07920) 표 1 | 6개 장면(이름 비공개), 6캠 1600×900, 5장마다 평가 | 3D-GS 26.08/.717/.298 · EmerNeRF 26.75/.760/.311 · S-NeRF 25.43/.730/.302 · DrivingGaussian-L 28.74/.865/.237 | | NeuRAD (2311.15260) 표 1 (S-NeRF 프로토콜) | 0164·0209·0359·0916, 6캠, 40 샘플 중 4장마다 평가 | Mip-NeRF360* 24.37/.795/.240 · S-NeRF 26.21/.831/.228 · NeuRAD 26.99/.815/.225 · NeuRAD-2x 27.13/.820/.205 | | ReconDrive (2603.07552, 2026) 표 1 | 검증 14장면, 6캠 518×280, 0.5 s 마다 1장만 학습(희소) | 새 시점: Street GS 22.98/.696/.295 · PVG 23.48/.692/.290 · OmniRe 23.01/.689/.276 · ReconDrive(피드포워드) 23.99/.723/.259 | | Nighttime PBR-GS (2602.13549) 표 II | 야간 11장면, 8장마다 평가 | 새 시점: 3DGS 26.4 · Street GS 26.9 · OmniRe 26.9 · 제안 27.7 | | HUGSIM (2412.01718) 표 V | 2개 장면(비공개), 5장마다 제외 | HUGSIM 25.36/.776/.171 (KID .062) · NeuRAD 24.49/.692/.287 (KID .082) | | ReconDreamer++ (2503.18438) 표 2 | 원래 경로 | Street GS 34.91/.9528/.1185 · ReconDreamer 33.85 · ReconDreamer++ 34.69/.9533/.1161 | 자체 논문에 nuScenes 수치가 **없는** 모델: OmniRe(정성만), S³Gaussian, EmerNeRF, Street Gaussians, PVG — nuScenes 수치는 위처럼 남이 재실행한 것만 있다. LiDAR (SplatAD 표 2, nuScenes): SplatAD 중앙값 깊이 오차 0.02 / Chamfer 1.7, NeuRAD 0.01 / 6.3. ### 1c. 우리 현재 수치 (비교 불가 조건 — 표에 넣지 말 것) scene-0003 하나, 6캠 **800×450**, **8장마다** 평가, **정적 영역만** PSNR: 25.0 dB / SSIM 0.79 (환경 전용 모델). SplatAD 프로토콜로 바꾸려면: ① 10(또는 6)개 장면 ② 한 장 걸러 학습 ③ 1600×900 평가 ④ **전체 영상 PSNR** (지금은 차량을 지운 환경 전용이라 전체 영상에서 크게 불리 — 비교용으로는 동적 객체를 모델링하는 학습이 따로 필요) ⑤ 같은 프레임 소스. --- ## 2. Waymo — 원래 경로 ### 2a. OmniRe 프로토콜 (2408.16760 표 1) — 동적 장면 비교의 사실상 표준 동적 8 세그먼트(사람·자전거 많음), 약 150 프레임, 앞 3캠 640×960, 10장마다 평가. 기준선은 OmniRe 저자가 LiDAR 깊이·AbsGrad 를 넣어 재실행. 값은 PSNR/SSIM. | 방법 | 재구성 전체 | 재구성 사람 | 재구성 차량 | 새 시점 전체 | 새 시점 사람 | 새 시점 차량 | |---|---|---|---|---|---|---| | 3DGS | 26.00/.912 | 16.88/.414 | 16.18/.425 | 25.57/.906 | 16.62/.387 | 16.00/.407 | | DeformableGS | 28.40/.929 | 17.80/.460 | 19.53/.570 | 27.72/.922 | 17.30/.426 | 18.91/.530 | | HUGS | 28.26/.923 | 16.23/.404 | 24.31/.794 | 27.65/.914 | 15.99/.378 | 23.27/.748 | | Street GS | 29.08/.936 | 16.83/.420 | 27.73/.880 | 28.54/.928 | 16.55/.393 | 26.71/.846 | | EmerNeRF | 31.93/.902 | 22.88/.578 | 24.65/.723 | 29.67/.883 | 20.32/.454 | 22.07/.609 | | PVG | 32.37/.937 | 24.06/.703 | 25.02/.787 | 30.19/.919 | 21.30/.567 | 22.28/.679 | | **OmniRe** | **34.25/.954** | **28.15/.845** | **28.91/.892** | **32.57/.942** | **24.36/.727** | **27.57/.858** | OmniRe 표 3 (LiDAR 깊이, Chamfer/RMSE, 새 프레임): 3DGS .467/2.896 · StreetGS .286/2.228 · OmniRe .244/1.909. OmniRe 표 5 (자체 32 동적 세그먼트 — NOTR dynamic-32 와 다른 집합으로 보임, **확인 필요**): 새 시점 전체 EmerNeRF 29.04 · StreetGS 28.73 · OmniRe 31.71. DeSiRe-GS (2411.11921) 표 2: 같은 프로토콜 재구성 33.82 / 새 시점 31.49 (PSNR 만). ### 2b. NOTR (EmerNeRF 프로토콜) — 앞 3캠 640×960, 10장마다 평가 | 출처 | 방법 | 재구성 PSNR/SSIM/LPIPS (동적 D-PSNR) | 새 시점 PSNR/SSIM/LPIPS (D-PSNR) | |---|---|---|---| | EmerNeRF (2311.02077) 표 1a, dynamic-32 전체 로그 | EmerNeRF | 28.87/.814/– (26.19) | 27.62/.792/– (24.18) | | S³Gaussian (2405.20323) 표 1, dynamic, 100 프레임 클립 | 3DGS | 28.47/.876/.136 (23.26) | 25.14/.813/.165 (20.48) | | 〃 | EmerNeRF (재실행) | 28.16/.806/.228 (24.32) | 25.14/.747/.313 (23.49) | | 〃 | S³Gaussian | 31.35/.911/.106 (26.02) | 27.44/.857/.137 (22.92) | | 4DGS 네이티브 (2412.20720) 표 8, 50 프레임 | Street GS (재실행) | 29.89/.906/.125 | 28.19/.867/.133 | | 〃 | 4DGS | 35.04/.943/.057 | 28.67/.868/.102 | | IDSplat (2511.19235) 표 1, DeSiRe 설정 | SplatAD | – | 30.80/.900/.160 (28.97) | | 〃 | IDSplat | – | 30.83/.900/.160 (29.20) | | S³Gaussian 표 1, static-32 | 3DGS | 29.42/.891/.118 | 26.82/.836/.134 | | 〃 | EmerNeRF (재실행) | 30.00/.834/.201 | 28.89/.814/.212 | | 〃 | S³Gaussian | 30.73/.883/.116 | 27.05/.825/.142 | ### 2c. PVG 표 4 (12 세그먼트, 앞 3캠 960×640, 전부 재실행) — 정적/동적 분리 수치가 있어 유용 값: PSNR/SSIM/LPIPS, 그 뒤 정적 S / 동적 D PSNR. | 방법 | 재구성 | 새 시점 | |---|---|---| | Street GS | 32.18/.918/.090, S 32.68 / D 28.64 | 28.92/.877/.110, S 29.38 / D 25.54 | | HUGS | 31.58/.904/.094, S 32.79 / D 25.78 | 29.34/.865/.110, S 30.42 / D 23.84 | | OmniRe | 32.32/.923/.084, S 32.92 / D 28.36 | 29.41/.884/.101, S 29.91 / D 25.85 | | DeformableGS | 32.34/.923/.086, S 32.94 / D 27.39 | 29.52/.889/.100, S 30.37 / D 24.66 | | 4DGS | 34.94/.935/.068, S 35.36 / D 31.80 | 26.56/.793/.132, S 26.87 / D 23.97 | | **PVG** | **36.02/.952/.059**, S 36.79 / D 32.17 | **30.95/.897/.105**, S 31.72 / D 25.82 | ### 2d. Street Gaussians 프로토콜 (2401.01339 표 1) — 8 세그먼트, 앞 카메라 1066×1600, 4장마다 평가 (새 시점) 3DGS 29.64/.918/.117 · EmerNeRF 30.87/.905/.133 · MARS 29.75/.886/.264 · **Street GS 34.61/.938/.079** (박스 안 PSNR* 30.23). 같은 8 세그먼트 1280×1920 (AD-GS 설정, IDSplat 표 1): Street GS 33.97 · 4DGS 34.64 · SplatAD 34.24 · IDSplat 34.59. ※ S³Gaussian 이 '빌려 왔다' 는 Street GS 기준선 수치는 현재 arXiv 표와 다름 — 쓰지 말 것. --- ## 3. 새 시점 — 차선 이동 (우리 점진 Difix 증류 주장의 평가) ### 3a. 정답 없는 이동 (분포·일관성 지표) | 출처 | 데이터 | 방법 | 결과 | |---|---|---|---| | FreeVS (2410.18079) 표 2 | Waymo 12 시퀀스, 옆 0/1/2/4 m | 3DGS · EmerNeRF · Street GS · FreeVS | FID@1m 52.07 · 58.26 · 41.17 · **13.45**; FID@2m 61.16 · 69.50 · 55.71 · **16.60**; FID@4m 86.21 · 84.81 · 80.44 · **22.08** | | StreetCrafter (2412.13188) 표 1 | Waymo 15 시퀀스, 옆 2/3 m | 3DGS · Street GS · StreetCrafter(3DGS 증류) | FID@2m 100.50 · 71.42 · **58.17**; FID@3m 122.52 · 93.38 · **71.40**; 보간 PSNR 28.85 · 30.95 · 30.05; FPS 213 · 92 · 113 | | StreetCrafter 표 2 | PandaSet 5 시퀀스 | UniSim · NeuRAD · Street GS · StreetCrafter(증류) | FID@2m 75.26 · 64.65 · 69.87 · **62.15**; FID@3m 92.65 · 86.44 · 90.41 · **78.88** | | ReconDreamer (2411.19548) 표 1 | Waymo 8 세그먼트, 앞 카메라 | Street GS → ReconDreamer | 3 m: NTA-IoU .498→**.539**, NTL-IoU 53.19→**54.58**, FID 130.75→**93.56**; 6 m: FID 213.04→**149.19** | | ReconDreamer++ (2503.18438) | **nuScenes**, 3 m | ReconDreamer → ReconDreamer++ | NTA-IoU .325→**.365**, NTL-IoU 49.72→**51.33**, FID 125.43→**118.27** | | DriveDreamer4D (2410.13571) | Waymo 8 세그먼트, 차선 변경 | PVG → +DD4D | NTA-IoU .256→**.438**, FID 105.29→**71.52** | | UniSim (2308.01898) | PandaSet | UniSim | FID@2m 74.7, @3m 97.5 | ### 3b. 정답 있는 이동 (실측 평행 차선) - **Para-Lane** (2502.15635): 평행 3차선 25 그룹(차선 간격 3–4 m), 앞 1920×1080. 인접 차선 PSNR/SSIM/LPIPS: 3DGS 17.05/.524/.446 · Scaffold-GS 17.59 · Street GS 17.50/.510/.456 (같은 차선 약 23 → 한 차선에 약 −5.5 dB). - **EUVS** (2412.05256, ICCV'25): nuPlan·Argoverse2·MARS 다중 주행. 설정 1(이동만): 3DGS 16.37/.7203/.2599 · GSPro 16.39 (방법별 표 번호 **확인 필요**). ReconDreamer++ 가 한 차선 오프셋 20.52/.7033/.3057 보고. - **Difix3D+** (2503.01774) 표 3: 자체 RDS (가운데 카메라로 학습, 옆 카메라 평가 — 차선 이동이 아님) Nerfacto 19.95/.4930/.5300/FID 91.38 → +Difix3D+ 21.75/.5829/.4016/73.08. - **OneFixer** (2609.32175): 초록만 확인 — FVD·LPIPS·DISTS + closed-loop 충돌률 (원시 3DGS 대비 약 1/3 감소). 표 수치 **확인 필요**. **우리 프로토콜 (추천)**: ReconDreamer++ 의 nuScenes 프로토콜을 따른다 — ① 원래 경로 PSNR/SSIM/LPIPS (나빠지지 않음을 보임) ② 옆 1·2·3 m 에서 FID·KID + NTA-IoU(nuScenes 3D 박스 투영 vs 검출기) + NTL-IoU(nuScenes 맵 차선 투영 vs 차선 검출기) ③ 기준선은 Street GS·OmniRe·원시 3DGS 를 **우리 장면에서 재실행**(논문 간 FID 는 장면·표본 수가 달라 비교 불가 — FreeVS·StreetCrafter 수치는 맥락으로만) ④ 정답 있는 주장이 필요하면 EUVS 설정 1 또는 Para-Lane 인접 차선 추가. 우리가 이미 가진 것: 사이클 렌더 벤치마크(OneFixer 부록 A.1 방식, LPIPS/DISTS) — scene-0003 1 m 이동 LPIPS 0.391. (+Difix 0.162 는 **무효** — 참조로 정답과 0.13 m 떨어진 실제 사진을 써서 정답을 베꼈다. 2026-10-06 수정: 참조는 이동 거리 이상 떨어진 프레임에서. 다시 잴 것.) --- ## 4. closed-loop 시뮬레이터 지표 | 프로토콜 | 지표 정의 | 대표 수치 | 렌더링 | |---|---|---|---| | HUGSIM (2412.01718) | HD-Score_t = NC × DAC × 가중평균(TTC, COM); HD-Score = Rc × 시간 평균. KITTI-360·Waymo·nuScenes·PandaSet 70+ 시퀀스, 400+ 시나리오, 4 난이도 | 주행 정책 점수는 그림(Fig. 18)만, 표 없음. 새 시점 nuScenes 25.36/.776/.171/KID .062 | **89.15 FPS (RTX 3090)**, 445만 가우시안, 해상도 미기재 | | RAD (2502.13144) 표 4 | 충돌률 CR, 이탈률 DR, ADD, 저크 | VADv2 → RAD: CR .270→.089, DR .243→.063 | 미기재 | | NeuroNCAP (2404.07762) 표 1 | NNS (충돌 없으면 5, 있으면 충돌 속도로 감점), nuScenes 14 시퀀스 × 100회 | UniAD 0.73 (충돌 88.6%) · VAD 0.66 (92.5%) | NeuRAD 기반 | | NAVSIM v1 (2406.15349) | PDMS = NC × DAC × (5·EP + 5·TTC + 2·C)/12 | TransFuser 84.0 · UniAD 83.4 · 사람 94.8 | 렌더링 없음 | | NAVSIM v2 (2506.04218) | EPDMS (+DDC, TLC, LK, HC, EC). 2단계는 3DGS 로 합성한 관측 | navhard: LTF 23.1 · PDM-Closed 51.3. **3DGS 의사 시뮬레이션 ↔ 실제 closed-loop 상관 r = 0.89** | 오프라인 사전 생성 | | Bench2Drive (2406.03877) | DS, SR (CARLA) | UniAD-Base 45.81/16.36 · VAD 42.35/15.00 | 게임 엔진 — 맥락으로만 | 렌더링 속도 비교 (주행 3DGS): Street GS 135 FPS (1066×1600, RTX 4090) · 3DGS 205 · EmerNeRF 0.21 · StreetCrafter 증류 113 · HUGSIM 89 (RTX 3090). **우리**: RTX 3060 Ti(8 GB)에서 1600×900 한 장 정렬 0.9–2.7 ms + 래스터 약 15 ms (GPU 공유 상태 측정) — 6캠 1600×900 전체 루프 Hz 를 따로 재서 GPU 등급 차이를 밝혀 함께 표기할 것. **우리 프로토콜 (추천)**: HUGSIM 식 HD-Score 항목(NC·DAC·TTC·COM·Rc) 또는 NAVSIM EPDMS 항목으로 주행 점수, 렌더러 FPS 와 루프 Hz 를 따로, NAVSIM v2 의 r = 0.89 를 '3DGS 재시뮬레이션이 유효하다' 근거로 인용. --- ## 5. 날씨 합성 — 표준 벤치마크 없음 | 출처 | 평가 | 수치 | |---|---|---| | ClimateNeRF (2211.13226, ICCV'23) | 사용자 연구만 (37명, 2,664 쌍) | 선호 약 80–85%, 실시간 아님 | | WeatherEdit (2505.20471) | CLIP-S / CLIP-DS, warp error, FID(절제), 다운스트림 분할 mIoU | CLIP-S .750 / CLIP-DS .302 (InstructPix2Pix .691/.295), ACDC·MUSE 최대 +14.9% mIoU, 3D 렌더 프레임당 0.21 s | | Weather-Magician (2505.19919) | CMMD, UVQ | RTX 4090 1200×800: 맑음 83 FPS · 안개 31 · 비/눈 10.4 · 눈 쌓임 58 | | GSRAIN (2608.02177) | FID, 강우량 제어 0–13 mm/h | FID 149.09 (CycleGAN-Turbo 155.71, WeatherEdit 157.94) — 초록만 확인 | **우리 프로토콜 (추천)**: WeatherEdit 식 CLIP-S/CLIP-DS + 실제 우천 영상(ACDC 또는 nuScenes 밤·비 씬) 대비 FID/KID, warp error(시간 일관성), 사용자 연구, 다운스트림 검출 성능 저하, **효과별 FPS** (Weather-Magician 대비 — 우리 강수 입자 0.05 ms + 날씨 패스 0.2–0.5 ms). 6캠 일관성(같은 빗방울)은 기존 연구가 다루지 않는 차별점 — 카메라 겹침 영역 일관성 지표를 새로 정의할 수 있다. --- ## 6. 우리가 할 일 (비교표를 채우려면) 1. **SplatAD nuScenes 프로토콜 재현** — 6개 싱가포르 장면(+ 보스턴 4개 인덱스 추가 여부 결정), 한 장 걸러 학습, 1600×900, 전체 영상 PSNR. 동적 객체를 지운 환경 전용 모델과 별도로, 동적 객체를 포함한 학습이 필요하다. 2. **차선 이동 평가 도구** — FID/KID (1·2·3 m), NTA-IoU (nuScenes 박스 + 검출기), NTL-IoU (nuScenes 맵 차선 + 차선 검출기). 3. **기준선 재실행** — drivestudio(OmniRe·Street GS·PVG) 를 같은 장면·분할로. 4. **시뮬레이터 지표** — HD-Score 항목 구현, 6캠 루프 Hz 측정. 5. 모든 인용 수치를 PDF 표와 대조 (이 문서는 초안). ## 출처 (arXiv) DrivingGaussian 2312.07920 · S-NeRF/NeuRAD 2311.15260 · SplatAD 2411.16816 · UniSim 2308.01898 · EmerNeRF 2311.02077 · Street Gaussians 2401.01339 · PVG 2311.18561 · S³Gaussian 2405.20323 · OmniRe 2408.16760 · HUGS 2403.12722 · DeSiRe-GS 2411.11921 · 4DGS 2412.20720 · IDSplat 2511.19235 · DIAL-GS 2511.06632 · ReconDrive 2603.07552 · Nighttime PBR-GS 2602.13549 · FreeVS 2410.18079 · StreetCrafter 2412.13188 · DriveDreamer4D 2410.13571 · ReconDreamer 2411.19548 · ReconDreamer++ 2503.18438 · Difix3D+ 2503.01774 · OneFixer 2609.32175 · Para-Lane 2502.15635 · EUVS 2412.05256 · HUGSIM 2412.01718 · RAD 2502.13144 · NeuroNCAP 2404.07762 · NAVSIM 2406.15349 / 2506.04218 · Bench2Drive 2406.03877 · ClimateNeRF 2211.13226 · WeatherEdit 2505.20471 · Weather-Magician 2505.19919 · GSRAIN 2608.02177