LLLMWIKI
正文研究地图阅读入口元数据

research-matrice

3D Gaussian Splatting Evidence Matrix

截至2026-10-10 HKT（#48新增CVF正式12页与官方视频检查），本矩阵覆盖提供清单中通过出版身份与完整全文验证的55/100条。筛选边界与逐项入口见三维高斯泼溅：用户百篇定向证据协议，机器可读数据见docs/research-matrices/3d-gaussian-splatting-evidence-matrix.json，逐页分析在各自raw/ingest目录。另44条待筛、#36出版PDF权限阻塞；当前Research阶段为evidence_map，仅是定向证据地图。

# / 正式身份输入与范式任务、主表与定位强反证/成本边界
#0 3DGS；ACM TOG 42(4)/SIGGRAPH 2023 DOI 10.1145/3592433，Inria作者copy14页首页出版占位已知位姿+SfM点，静态逐场30K优化、3D各向异性图元+tile渲染m360九场27.21 PSNR、134FPS、41m33s、734MB（p.8 Table1）Mip-NeRF360 27.69 PSNR更高；SfM与>20GB显存/模型大小不计单纯FPS（pp.8、10–11）
#76 Mip-Splatting；CVPR2024官方10页+补充10页同已标定静态逐场优化；3D频率核和2D像素核Blender full训练→1/8测试28.67 vs 3DGS17.69 PSNR（p.19453 Table2）同尺度LPIPS .203 vs重跑3DGS .202（p.19454 Table4）；双核去除实验A100 40GB OOM（supp Table1）
#79 2DGS；SIGGRAPH2024 Conference Papers DOI 10.1145/3641519.3657428，作者v2 13页同位姿+COLMAP逐场；三维空间二维圆盘/几何正则/TSDFDTU十五场Chamfer .80 vs3DGS1.96（p.6 Table1）DTU PSNR34.52<3DGS35.76；TnT F1.32<Neuralangelo .50（pp.6–7 Tables2–3），TSDF预处理账缺失
#81 3DGS as MCMC；NeurIPS2024主会官方22页 DOI 10.52202/079017-2573已知位姿，SfM点或随机初始化逐场优化；位置噪声+近似保真重定位m360可用七场同高斯预算随机点29.72 vs3DGS27.89 PSNR（p.7 Table1）Room最高画质42min vs3DGS25min，受限300k图元21min/31.8PSNR（p.10 Table4）；仅近似跳转，无精确采样证明
#90 pixelSplat；CVPR2024官方11页+补充8页两幅已知相机RGB+预训练DINO，跨场训练；极线尺度/随机深度桶+每像素三高斯作者RE10K 26.09/.863/.136；编码.102s+渲染.002s（p.19462 Table1）实际batch7/300k训练约80GB单卡（supp §7.1）；域外billboard与反光、缺几何GT（p.19463 Fig4）
#91 MVSplat；ECCV2024 ECVA 17页+补充6页两/多幅已知相机RGB+UniMatch预训练；128深度平面代价体/每像素一高斯同表RE10K 26.39 vs pixelSplat25.89 PSNR、.044s vs .104s、12M vs125.4M参数（p.8 Table1）RE10K→DTU仅13.94 PSNR（p.11 Table2）；无GT几何表、A100/300k无墙钟（§4.1，supp §A/C）
#94 LangSplat；CVPR2024 CVF 10页+补充6页多视已标定RGB先优化静态3DGS；SAM三级掩码、OpenCLIP区域512维、逐场3维AE再训练语言图元LERF四场定位84.3% vs73.6%、分割IoU51.4 vs37.4（p.20055 Tables1–2）；bench逐查询.28s vs LERF55.7s（p.20057 Table4）3D-OVS完整类表和query协议有别；先计RGB 30K、SAM/CLIP及语言30K；RTX3090单场约25min/4GB只属论文口径；场景少且3D真值语义未验
#98 PhysGaussian；CVPR2024 CVF 10页+补充3页已标定RGB静态3DGS后由人设区域/本构/密度/初速度，MPM网格/内部填充驱动高斯变形合成lattice给定变形Stool bend 31.15 PSNR vs NeRF-Editing25.00（p.4395 Table1）；指定场景25–36FPS（§4.1）外观PSNR不验证真实力学；F/粒子数、COLMAP+静态训练+模拟未统一计时，模型峰值显存未报；仓库顶层许可证待确认
#1 FastGS；CVPR2026 CVF 10页+补充9页已标定静态逐场SfM初始化；K=10视图高误差足迹控制增密/剪枝，CB缩tile；同卡RTX4090 30K步m360基础版1.93min/27.56 PSNR/.261 LPIPS vs Dash6.35min/27.73/.218；Big3.58min/27.93/.216（p.26099 Table1）；峰显存5.21GB/存储99MB（supp Table12）基础版LPIPS/SSIM退化；PGSR+FastGS T&T F1 .57→.55（p.26101 Table4）；3DGS-accel/Taming/AbsGS/CB共同提速，SfM排除；provided Highlight未核
#2 Turbo-GS；CVPR2026 CVF 11页+补充5页已知相机/SfM静态逐场；四偏移1/4像素采样、收敛预算、颜色梯度增密；A100、4K五场m3604K Turbo 24min/PSNR26.80/LPIPS.327/680MB模型 vs原3DGS 113min/26.75/.410/412MB（p.15459 Table1；supp p.4 Table11确认五场）1K剪枝版模型287MB但PSNR27.06 vs未剪枝27.39（p.15460 Table2）；底层Taming、SfM与峰显存未同账；补充逐场表疑似重复
#3 Faster-GS；CVPR2026 CVF 12页+补充7页静态已知相机逐场，重构Basis+CUDA反传/Adam/Z-order；RTX4090同卡13场，五次平均m360九场Full 4m31s/27.56 PSNR/6.1GiB峰显存 vs原3DGS 18m44s/27.53/8.8GiB（p.18952 Table1）；补充p.3 Table6渲染903.4 vs290.4FPS单每高斯反传室外显存6.39→7.69GiB；skip invisible 5m31s→3m03s但PSNR24.72→24.59（p.18953 Tables2–3）；预装图像和SfM计时排除
#4 SpeeDe3DGS；CVPR2026 CVF 11页+官方17页（主文重印+6页附录）动态视频及相机，DeformableGS逐场训练；TSP/TSS时空敏感剪枝、J2048 GroupFlow共享SE(3)NeRF-DS七场全合505.60FPS/PSNR23.66/LPIPS.1901/21.40MB vs基线54.37/23.80/.1781/33.21MB（p.26089 Table1）D-NeRF全合PSNR38.92→35.07、LPIPS.0143→.0365（supp p.14 Table8）；MonoDyGauBench50场训练基线3090与新法A5000混卡（p.26090 Table2）；强形变/时间真值边界
#5 MoVieS；CVPR2026 CVF 12页+官方补充8页有位姿单目动态视频，VGGT预训练+逐像素高斯和查询时间形变，跨场前馈DyCheck mPSNR18.46 vs MoSca18.24，NVIDIA PSNR19.16 vs MoSca21.45；已训练场景推断0.93s（p.300 Table2）训练32×H20约五天，相机/尺度额外估计；DriveTrack δ0.10 79.87% vs SpatialTracker80.67%，运动分割仅定性（pp.300–302 Tables3/6）
#6 iLRM；CVPR2026 CVF 11页+官方补充10页已标定静态多视，视角token重复访问高分辨率图像，预训练前馈RE10K同两视131072高斯PSNR28.65/.025s vs MVSplat26.39/.047s（p.37337 Table1）；32视24.30/.53s（p.37338 Table5）32视逐场3DGS PSNR24.43；NRGBD Chamfer .52 vs Long-LRM .43，摄像机扰动后PSNR21.49，跨训练卡/视数须配平（补充pp.3–4 Tables4/6）
#7 Uni3R；CVPR2026 CVF 11页+官方补充2页已知内参但无外参多视，VGGT几何+LSeg语义教师，前馈RGB/语义高斯ScanNet未见场target mIoU.5584、PSNR25.53 vs LSM .5078/24.39（p.33285 Table1）RE10K对NoPoSplat仅.038dB而正文称.2dB；ACID三指标略逊，8→16视ScanNet PSNR24.71→23.32；授权有非商业限制（pp.33286–33287 Tables2–3）

| #8 PhysGM；CVPR2026 CVF 11页+官方ZIP内补充18页 | 单图→MVAdapter三补视→物性高斯与MPM50帧；DINOv3与物性伪标签 | Table1平均CLIPsim .2748、UPR42.8%；GSO 256² PSNR25.47/LPIPS.071（pp.29861–29862 Tables1–2） | 512² PSNR28.95落后GS-LRM30.52；主文/补充四选一问卷对象不一致，真实材料GT缺；32×A800约3天训练，生成三视/标签/视频成本另计 |

| #9 REALM；CVPR2026 CVF 10页+补充6页 | 已有3DGS和相机+SAM实例场，Qwen2.5-VL多视全局/局部定位及编辑链 | 隐式LERF mIoU92.88 vs GS-Group42.43；REALM3D82.30 vs65.55（p.16784 Table1） | §4.1隐式抽样场数与Table2全库分母不同；Figurines500步过拟合；8.68s单提示不含建场/实例场/LLM成本；编辑效果定性（p.16786 Tables3–4） |

| #10 Diff4Splat；CVPR2026 CVF 13页+补充4页 | 单图+指定相机轨迹+可选文字，CogVideoX 30步扩散→时变3DGS；跨场景预训练 | 32场×五轨迹FVD210.153、30s vs AC3D+Mosca235.961、45min（p.4237 Table1） | KVD2.316劣于2.012；背景一致89.89弱于90.43，真实度量深度含人工尺度锚；32×A100七天，峰显存/几何GT待核（pp.4237–4238 Tables1–2，补充p.1） |

| #11 Off The Grid；CVPR2026 CVF 11页+官方补充2页 | 无内外参2–12视静态RGB；VGGT估相机/深度，patch热图soft坐标检测连续亚像素高斯，按熵分配密度 | 六集合平均21.21 PSNR、.1431高斯/输入像素（p.11761 Table1） | Charge+SCRREAM深度AbsRel .1433弱于DA3-Giant .1339；评测目标相机二次前馈，单GPU 140GB VRAM训练、全训练时长未知（pp.11761–11763 Tables2–4） |

| #12 EcoSplat；CVPR2026 CVF 11页+官方补充4页，provided Highlight待官方核 | 已知相机多视静态RGB和目标图元K；PGT+IGF两阶段、伪重要mask/条件化opacity/top-K | RE10K24视5%预算78K高斯/24.72 PSNR；40% 629K/25.11（pp.26015–26016 Tables1–2） | ACID跨域40% 24.02低于满量SPFSplat24.40，LPIPS .256高于.222；MASt3R+两阶段各200K步4×A100 40GB（p.26016 Table3、补充p.1） |

| #13 tttLRM；CVPR2026 CVF 11页+官方补充3页 | 已知相机视图，LaCT在线快权重吸收长序列并以虚拟视图token查询高斯；支持因果批量 | DL3DV-140 64视14.8s/25.95 PSNR/LPIPS.195，对Long-LRM3.7s/24.63/.243（p.36588 Table2） | 同表逐场3DGS26.55/.164及Scaffold-GS27.07/.173较好；离线64×A100 80GB预训练与COLMAP/伪深度另计（p.36588 Table2、补充§B） |

| #14 BrepGaussian；CVPR2026 CVF 10页+官方补充7页 | 已知相机多视CAD RGB/边检测/SAM掩码；2DGS两阶段优化再RANSAC原语拟合 | ABC-NEF patch F1 .9040 vs同重建点PCER-Net .6392；曲线CD(10^-2)5.01 vs用本法标签Point2CAD5.42（pp.26110–26111 Tables1/3） | 表面CD4.90 vs Point2CAD3.38、HD3.351 vs2.413；掩码人工每件约3min、两阶段5+11min不含预处理；受限CAD原语（主文§4、补充Table2） |

| #15 GaussianDWM；CVPR2026 CVF 12页+官方补充7页 | 六相机+累积LiDAR建语言高斯，SAM/CLIP+AE、Qwen3-8B QA与UNet RGB-D生成 | NuInteract平均59.23 vs DriveMonkey52.12；±1m FID8.36/FVD44.50 vs DiST-S10.12/45.14（pp.10661–10663 Tables1/3） | 规划Acc80.95低于82.64，±4m FVD116.40弱于DiST-S105.29；16×A100理解训练及LiDAR建场/生成训练另计（主文Tables1–4、补充§B–C） |

| #16 TT-Occ；CVPR2026 CVF 11页+官方补充5页，旧称TT-GaussOcc只计一次 | 六相机已知位姿+可选LiDAR，预训练VFM提深度/语义；测试时高斯继承/跟踪/体素化 | Occ3D Camera mIoU16.70 vs SelfOcc10.54；LiDAR27.41；同OpenSeeD相机13.4 vs SelfOcc10.5（pp.35695–35698 Tables1/3） | Camera0.7FPS慢于SelfOcc1.1，LiDAR需额外传感器；GT相机/预训练教师不计入0训练小时，nuCraft峰显存9.9/5.6GB（主文Fig.1/Table5、补充§A） |

| #17 Let it Snow!；CVPR2026 CVF 10页+官方补充9页 | 静态3DGS与相机/网格+天气提示/发射参数，MPM轨迹+CogVideoX-2B Video-SDS联合优化新天气高斯 | 五场四天气；雪+雾VE-Bench .45 vs ClimateNeRF .28、GaussCtrl .24（p.37328 Table1）；去碰撞 .34（p.37329 Table2） | 单A100 40GB每景效应约60min、GaussCtrl约30min（补充p.6 Table11）；雪背景经ClimateNeRF图再训练；真实天气运动GT及预建图/教师成本未覆盖 |

| #18 HyperGaussians；CVPR2026 CVF 12页+官方补充9页 | 已追踪面部表情/头姿/相机视频，条件高维高斯的局部潜码调节位置/旋转/尺度，精度矩阵快速求条件均值 | 单目FlashAvatar PSNR29.43→29.99、LPIPS×10^-2 5.107→4.978；多视GHA PSNR24.10→24.38（p.25241 Table1） | 同卡512²渲染347→300FPS、同参数深MLP158FPS（补充p.5 Table3）；多视逐人训练>2天/RTX4090，SSIM未改善；脸部域外泛化未验 |

| #19 Changes in Real Time；CVPR2026 CVF 11页+官方补充2页 | 参考场SfM+Speedy-Splat预建图，新RGB帧PnP位姿、SAM2/像素多视变化融合；巡视后选择性高斯更新 | PASLCD在线mIoU .486/F1 .638/11.2FPS（p.32251 Table1）；更新PSNR23.70/42s vs从头3DGS22.21/550s（p.32253 Table4） | 更新LPIPS .2491比从头3DGS .2426差；XFeat强旋转敏感、旧版本不恢复；参考建图未计入FPS（补充p.2、主文Table2） |

| #20 GlobalSplat；ECCV2026 Springer DOI 10.1007/978-3-032-37595-7_10，作者v2 28页+官方补充14页 | 有相机的静态多视RGB，2048场景token融几何/外观，逐token解码16K紧凑高斯，跨场前馈 | RE10K24视16K PSNR28.53/SSIM.883/LPIPS.140，对Zpressor6 28.51/.911/.097及393K；推断77.88ms/1.79GB对194.20ms/3.70GB（作者稿pp.10–11 Tables1/3） | ACID24视28.03/.813/.208弱于Zpressor28.53/.860/.138；512²直接输入域外退化；训练卡时未报、code非商用（作者稿p.11 Table2，官方补充p.3 Tables2–3） |

| #21 Matryoshka；ECCV2026 Springer DOI 10.1007/978-3-032-36984-0_18，作者v2 17页 | 逐场已知相机静态RGB/3DGS-MCMC，50k步，每步排序并双渲染随机前缀+全量，按前k图元渲染 | m360九场最高预算28.20PSNR/.841SSIM/.130LPIPS/AUCfps64.81，对MCMC全量28.40/.843/.133；面积指标为作者自定义归一化（作者稿pp.7–8 Eq.9/Table1） | Deep Blending28.41弱于Octree-GS30.35；正文p.9与Table1 AUCfps数字冲突；排序/双渲染/训练时长及峰显存未统一报，官方补充下载超时（作者稿pp.8–9 Table1） |

| #22 WildSplat；ECCV2026 Springer DOI 10.1007/978-3-032-37324-3_2，作者v1 22页含5页补充 | 推断时无相机野外RGB与参考外观，VGGT/DINO教师预训练，几何/颜色双支+多参考监督；训练视图采样需SfM点 | MegaScenes十场12视19.20/.683/.210 vs WorldMirror16.05/.629/.287；Phototourism四场12视21.47/.788/.137 vs17.24/.724/.234（作者稿p.9 Tables1–2） | 测试用GT左半参考/目标相机光度对齐；消融full4视18.52与主表19.57冲突，局部光照失败；16视1.3s/9.6GB、128视33.2s/45.6GB（作者稿pp.11–13 Tables3–4，补充pp.21–22） |

| #23 CoMe；ECCV2026 Springer DOI 10.1007/978-3-032-37435-6_17，作者v2 34页+官方17页补充 | 有位姿多图逐场SOF 3D高斯；逐图元置信度调节光度/增密、颜色/法线方差，Marching Tetrahedra无界网格 | T&T六场F1 .521 vs SOF .474，RTX4090优化18 vs17min，提网格约6.6min（作者稿p.10 Table1、附录p.27） | GeoSVR带单目先验F1 .546较高、DTU PGSR Chamfer .55优于本法.65；Barn换预处理F1 .534→.616、GT点云体素和密采依赖（附录pp.21/26/30） |

| #24 GAINS；ECCV2026 Springer DOI 10.1007/978-3-032-37602-2_18，作者v2 21页+官方3页补充 | 已知相机4–32视逐场2DGS两阶段；深度/法线/扩散与SAM/CLIP/DINO/IID先验，材质BRDF+环境光 | Synthetic4Relight八视relight PSNR28.16 vs GI-GS23.92、NVS29.32 vs27.04（作者稿p.11 Table1） | TensorIR albedo27.10低于GI-GS28.96；真实数据只计NVS，单A4500约1h20m优化+3–5min语义，缺全局间接光（作者稿附录p.21 Table4、官方补充p.1） |

| #25 MetroGS；CVPR2026 CVF主文11页pp.395–405+补充4页 | SfM/pointmap/单目先验+PatchMatch、多卡2DGS与Tri-Mip外观；中位深度TSDF抽网格 | GauU Russian Building F1 .585/PSNR24.94 vs CityGSV2 .544/24.12；MatrixCity-Aerial F1 .677 vs .556（主文p.6 Tables1–2） | 同Aerial CityGS-X PSNR27.58高于本法27.52；仅并行68min、完整106min；4×3090，显存/前处理/体素按场变化（主文p.8 Table3、补充pp.1/3） |

| #26 GPERT；CVPR2026 CVF 11页pp.22301–22311+补充4页 | 静态异步事件、已知时间位姿；逐事件稀疏深度射线+每批一次密集强度，IWE warp几何/光度约束 | EDS五序列PSNR19.470 vs EventSplat18.860；TUM-VIE两序列13.090 vs Robust E-NeRF11.790（主文p.6 Table1） | 彩色合成23.110低于EventSplat28.140；TUM去对比损失PSNR反升13.450；闪烁/位姿、RTX6000 Ada 30–130min（主文pp.7–8 Tables2–3、§4.4/6；补充p.1） |

| #27 B³-Seg；CVPR2026 CVF 10页pp.26867–26876+补充7页，provided Highlight待核 | 仅已有高斯资产+初视角；DINO/SAM2/CLIP掩码，Beta计数/EIG选20视，无原训练相机或场景重训 | LERF-Mask三场mIoU84.5/12.1s vs同抽样子表FlashSplat Uniform69.6/10.2s（主文p.7 Table1） | 预训练教师和建场不计入延迟；RTX A6000掩码推断9.761s，二值/目标中心局限，1−1/e代理理论依赖固定均值/增量假设（主文p.8 Tables4–6；补充pp.1–3） |

| #28 AeroDGS；CVPR2026 CVF 11页pp.19011–19021+补充3页 | 单目UAV视频，预训练深度/掩码、跟踪/BA求位姿，CARLA高度、地面/直立/轨迹正则逐场4DGS | Aero4D三场Downtown-High Dyn-PSNR22.47 vs 4DGF17.94；UAV3D合成15.60 vs10.63（主文p.7 Tables1–2） | 同场SSIM .974低于4DGF .977；五真实场仅三量化、低重叠长航线/行人被排除；单RTX6000 Ada峰44.9GB、4K总65.4min（主文pp.6–7、补充pp.2–3） |

| #29 RAP；CVPR2026 CVF 10页pp.33323–33332+补充4页 | 已建静态3DGS图元；15维邻域属性、跨场MLP，推断免目标场图像渲染；监督训练仍需相机/GT图 | Mip户外Table1 BD-Rate −42.63% vs LightGaussian −35.21%；训练中户外模型926.895→285.067MB（主文pp.6–8 Tables1/3） | Table2含加载/指标时15.64s慢于opacity3.73s；Mip室内LPIPS .186→.218；KNN占评分预处理83.45%，原3DGS训练/MLP训练/码流另计（主文Tables2–3；补充pp.1–2） |

| #30 Splatent；CVPR2026 CVF 12页pp.8319–8330+补充8页 | 已知位姿的有视图潜高斯逐场/前馈分支；三参考latent+单步扩散注意力做二维细节修复 | DL3DV稠密PSNR21.94/LPIPS .265 vs LRF20.19/.322；前馈五视PSNR16.691→17.976（主文pp.6–8 Tables1/4） | 对SEVA的Mip稠密LPIPS .364略差于.360；细节依赖VAE/参考图且可能幻觉；细化器另需约8×H100 24h，推断330+50ms未含场拟合（补充pp.3–4 Tables6/成本） |

| #31 3DGUT；CVPR2025 CVF 11页pp.26036–26046+补充7页；Oral待核 | 已标定畸变/rolling shutter相机多视；七sigma点UT投影包围，主射线栅格，次级反射需3DGRT | Mip九场Ours 27.26PSNR/.218LPIPS/265FPS vs3DGS27.26/.240/347；ScanNet++鱼眼六场sorted29.11PSNR vs同协议FisheyeGS28.15（主文pp.6–7 Tables1/3） | T&T PSNR23.64→23.21且pure-rendering FPS476→277；Waymo九场另用LiDAR点云/深度、3DGS去畸变协议不同，混合ray演示无定量真值（主文pp.6–8；补充p.2 Table5） |

| #32 Speedy-Splat；CVPR2025 CVF pp.21537–21546，主文10页+补充4页 | 已标定多视RGB/COLMAP点；逐场SnugBox/AccuTile精确tile覆盖和Soft/Hard图元剪枝 | RTX A5000十三场134→898FPS、图元2.93M→.28M、训练23.2→15.7min（主文p.3 Table1、p.7 Table2） | Mip-NeRF360九场LPIPS .222→.296；PUP同删率LPIPS/FPS反胜；SfM/加载未计、forward FPS非全链延迟（主文p.8 Tables3–4） |

| #33 gsplat；JMLR 26(34):1–17 (2025)，主文6页+同PDF补充11页 | 已知相机/图元的PyTorch/CUDA可微库；ADC、Absgrad、MCMC、深度和二维抗混叠可选；基准v1.3.0 | A100、Mip-NeRF360七场30k：原实现→gsplat训练26.19→19.39min、显存9.0→5.6GB、PSNR28.95→29.00（主文p.4 Table1） | 库内MCMC 1M图元LPIPS .1446差于默认.1357；相机/SfM和跨GPU FPS未同账，库版本/图元数是对照变量（主文p.4 Table2） |

| #34 DepthSplat；CVPR2025 CVF pp.16453–16463，主文11页+官方补充4页 | 已标定多视RGB与单目Depth Anything V2预训练ViT；局部邻相机代价体+单目特征U-Net深度，像素反投影高斯；跨场前馈、渲染预训练再深度微调 | RE10K两视27.47/.889/.114 vs MVSplat26.39/.869/.128（主文p.7 Table6）；ScanNet深度GS预训练AbsRel3.8 vs无GS预训练4.5（p.7 Table5） | DL3DV双视本法.083s慢于MVSplat.072s，微调Table7/零样本Table8分列；纯渲染预训练KITTI AbsRel56.83、相机仍必需、4×GH200大号训练约2天、峰显存不详（主文pp.5、7–8 Tables4/7、§5） |

| #35 NoPoSplat；ICLR2025 Proceedings Conference正式25页含附录，官方视频ZIP；Oral待核 | 两视静态RGB+已知内参，无输入外参；MASt3R初始化，ViT跨视交互，首视参考坐标逐像素高斯；跨场预训练+PnP/光度位姿细化 | RE10K小重叠PSNR22.514对MVSplat20.353；均值25.033/.838/.160对23.977/.811/.176（PDF p.7 Table1）；ScanNet-1500混合训练AUC5/10/20为.318/.538/.717（p.8 Table3） | ACID高重叠PSNR28.043低于pixelSplat28.426；默认教师有深度监督，评测目标RGB参与pose对齐；15ms高斯预测另有约2秒/对位姿细化，8×GH200约6h训练；Table8 MASt3R姿态消融表文相反（pp.6–9 Tables2–5、pp.15–17附录） |

| #37 SplatFormer；ICLR2025 Proceedings Conference正式27页含附录，官方定性视频ZIP | 有位姿32张低仰角RGB逐场10k步建高斯，跨场PTv3残差精修已建高斯，渲染≥70°俯视；并非直接RGB前馈建场 | ShapeNet-OOD 27.98/.920/.136 vs3DGS20.21/.763/.242；Objaverse23.06/.821/.170 vs19.24/.673/.285（PDF p.7 Table1）；GSO25.01 vs21.78 PSNR（p.9 Table2） | 同表3DGS基线30k步、输入高斯10k步；GSO R=.8/20° 3DGS27.85 > 本法27.28；高频失败，MVImgNet另训4k场；108ms/900MB只计前馈、约3000个2080Ti GPU小时预处理+8×4090两天网络训练，实拍仅4场且掩码/裁剪（pp.10、15–23 Tables E.1/H.1–2） |

| #38 FreeSplatter；ICCV2025 CVF pp.25442–25452，11页主文+官方补充15页 | 稀疏RGB无输入内外参，物体/场景各训网络，首视坐标高斯+Weiszfeld共享焦距/PnP-RANSAC位姿；训练需真值相机/深度，物体测试需rembg掩码 | GSO主文Table3 30.443/.945/.055 vs有GT位姿InstantMesh*25.421/.891/.095；ScanNet++25.807/.887/.140 vs posed pixelSplat*24.974/.889/.180（主文p.7）；补充p.3 Table1 GSO网格CD .028/[email protected] .960 | PF-LRM GSO协议其PSNR25.08>本法23.54、RRE3.99<8.96（主文p.5 Tables1–2）；GSO几何InstantMesh* CD .024更好；补充p.9 Table4 Re10K NoPoSplat23.867>本法20.513、ScanNet++反向且输入内参/训练域不同；单A100两视1.268s含位姿，16×H800两阶段训练，完整GPU小时/预处理缺（补充pp.1–3） |

| #39 WildGS-SLAM；CVPR2025 CVF pp.11461–11471，主文11页+官方补充9页 | 动态单目RGB序列+已配置内参；3D-aware DINOv2/Metric3D V2预训练教师、DROID式DBA/在线β不确定性，轨迹及静态高斯地图逐场优化，静态背景另采GT评NVS | Wild-SLAM MoCap十序列（两静态布局）ATE均值0.46cm vs MegaSaM2.40、Splat-SLAM8.71；静态NVS PSNR20.59/SSIM.783/LPIPS.209 vs Splat-SLAM17.23/.699/.346（主文p.6 Tables1–2） | Bonn Balloon本法2.8cm弱于DDN-SLAM RGB-D1.8；TUM四高动态均值与MegaSaM同为1.63且f3/wr 3.3弱于2.6（主文p.8 Tables3–4）；补充Table11 TUM默认BA1.63弱于无mask1.55，行号叙述冲突、Fig.12静态纹理误报/暂静止者漏报；全序列0.49fps，fast1.96fps有操作删减，外部教师/SfM类位姿对照口径与峰显存未统一（补充pp.3–6 Tables8–13） |

机制与对照账本

  1. 抗混叠与几何是不同终点。Mip-Splatting的Blender/真实跨尺度图片质量，与2DGS DTU/TnT有GT几何重建，基线要分别重跑且附分辨率、SfM、TSDF和法线监督口径。2DGS在部分RGB表退化，外观/表面存在取舍（上表#76/#79）。
  2. 逐场优化的#0/#81都需相机，#81只去SfM点云依赖。后者在固定数量及随机初始化下较好，最高PSNR训练更慢；评价用相同高斯上限/相机/分辨率/种子及训练总时长（#81正文Tables1–4）。
  3. 前馈#90/#91省每个测试场景梯度优化，却要大规模跨场训练、位姿及预训练权重。MVSplat表1重评pixelSplat RE10K25.89/ACID28.14，与pixelSplat自己的26.09/28.27不同；只在同表进行数值差值。MVSplat补充Table A将pixelSplat深度支路换代价体25.89→26.63，比较有机制支持；默认一粒与三粒图元、Swin与极线骨干也改变速度（supp TablesB/C）。
  4. 缺失：相同划分的GT mesh几何、跨尺度前馈测试、反光/薄结构、相机误差压力、SfM+预训练+训练+编码+渲染完整成本。任何方案需先标scene/source-video单位并按数据许可核实使用范围。
  5. 语言/物理任务与静态NVS没有共同单一画质排行榜。LangSplat借SAM+CLIP和RGB场景优化，秒级query不含这些离线账；PhysGaussian指定材料/外力与lattice形变，并未以真实动力学轨迹监督（#94/#98主文§3–4）。两者分别要文字分割GT、力学参数和运动GT，按场景而非帧求不确定性。
  6. FastGS有最强的同GPU内部对照：基础版对Dash在m360失去LPIPS，Big版较稳但训练更久；单VCD/单VCP/单CB与全合见主文Table7，补充Tables13–16增补AbsGS/优化器/阈值。FastGS与MCMC都改变图元点管理，前者含高效rasterizer、后者含随机位移；分离GPU、30K迭代、图元上限与损失后才可追问机制增益。
  7. Turbo-GS/ FastGS/ Faster-GS的速度分母、实现底座、分辨率与GPU不同。Turbo的稀疏像素/预算/颜色梯度逐项消融用A100，Faster的优化器/每高斯反传在4090上重新设基底；要在同硬件同画质目标下评估可叠加性，并同时报告模型存储和峰显存（#2主文Tables1–3、#3 Tables1–3、#1 Table7）。
  8. 动态GroupFlow的FPS收益须与剪枝后运动拟合、存储回弹和真实强形变质量一起算。NeRF-DS全合LPIPS退化，D-NeRF更明显；MonoDyGauBench训练时间跨3090/A5000不可直接当因果加速倍数，视频场/独立种子为统计单位；#4补充Table8与主文Tables1–2。
  9. #5与#4都处理动态场景，前者前馈依赖预训练和位姿、后者逐场剪枝/分组；#5的0.93秒与#4的FPS/训练时间分母不同。#5 NVIDIA画质输逐场MoSca，跟踪量化在相对尺度下测；用相机误差、源视频拆分与总卡时条件审核（#5主文Tables2–3、补充p.1）。
  10. #6与#90/#91同为已标定前馈，但4/8/32视、图元数、DL3DV/RE10K、4090/H100条件各不相同。#6同两视RE10K才是直接近似对照；几何Chamfer与LPIPS反证不能用PSNR覆盖（#6主文Tables1/3/5、补充Tables4/6）。
  11. #7去外参仍有内参、VGGT/LSeg伪监督，不能与已标定前馈直接排绝对速度/质量榜。ScanNet target语义与RE10K NVS使用不同任务/训练模型；RE10K作者文字与Table3的.038dB差异保留，ACID和多视非单调是关键反证（#7主文Tables1–3/6）。
  12. #8物性和视频来自伪标/生成模型，材质精度需真值，补充四选一对象与主文表不同；与#98的手设材料不能合并成物理预测排行榜（#8主文Tables1–3，补充pp.2、5–8）。
  13. #9与#94共享语义场景，但#9需已有3DGS、SAM实例场、多次MLLM与编辑工具；#94仅语言特征查询，8.68秒须补建图账；数据集全量与隐式子集分母有别（#9主文Tables1–4、补充p.3）。
  14. #10单图生成动态4D，#5从已知相机视频重建4D；前者30步及32×A100训练应单列，FVD/KVD与相机RPE按32个场景簇和五轨迹核（#10主文Tables1–4，补充p.1）。
  15. #11的无相机输入需VGGT且评测目标相机另一次前馈；#12的已知相机精确K预算与#11的熵适配密度不可合成同预算；#13的64视剪去70%低opacity与指定K不同。冻结教师、相机、源视频/scene拆分、视数和K再检验画质/深度与完整计算成本；三篇各自存在几何、跨域及长视图反证（对应三篇Source与主文Tables1–4）。
  16. CAD表面与可编辑拓扑是两个验证终点。#14继承#79定向盘，将SAM修补边/面片和RANSAC拟合/封闭拓扑加进pipeline；用同一ABC物件/相机/掩码下的面曲线CD、拓扑封闭率、人工分钟和从输入到CAD总时长判断增益。#14同标签Point2CAD曲线CD更好而表面CD更弱；GT点基线输入另列（#14 pp.26108–26111 Tables1–6、补充Tables1–2）。
  17. 语义、生成与占据在驾驶数据上共享相机/3D先验，却各有不可交换的输出。#15在LiDAR建场及SAM/CLIP/LLM的语言高斯上测问答/生成，规划Acc和±4m FVD有反证；#16逐帧依赖预训练VFM、相机和可选LiDAR测语义体素，Camera提升mIoU但FPS低于SelfOcc。#15对照#94的语言场预算、#16固定OpenSeeD时Camera13.4 vs SelfOcc10.5；先按scene分组、传感器/教师匹配、语言/占据/生成指标分账，再评估3DGS单独增益（#15主文Tables1–4/补充Table3；#16主文Tables1–5/Figs1/5–6）。
  18. #17将#98给定材料MPM扩展到天气生成，但作者雪背景又借ClimateNeRF初始化；其Video-SDS自动分数并非轨迹真值，完整成本需含预建图、教师与天气效应1h优化（#17主文Tables1–2、补充§8/Table11）。#18改变3D高斯条件表示而#79改变图元几何维度；前者在人脸跟踪/逐人优化下的局部细节收益需要同参数、同表情跟踪和未见人脸验证（#18主文Table1、补充Tables2–3）。#19的在线变化检测与#16的在线语义occupancy终点不同；#19须拆离线参考地图、每帧89.6ms检测和巡检后42秒更新，更新LPIPS反证仍在（#19主文Tables1–5、补充§7）。
  19. #20全局token的固定图元预算、#21逐场训练后连续前缀预算与#22按参考外观的无位姿前馈分属三条轴。只在同RE10K视数/已知相机/高斯预算下比较#20与#6/#12；#21额外核逐场排序+双渲染总成本和自定义AUC裁剪；#22在相同Phototourism场、半幅参考、对齐后的目标位姿比较，需消融无GT参考与跨光照/长视泛化。三篇作者稿与Springer正式排版分离，版本误差和主表冲突见各自analysis，跨文不组成统一PSNR榜。
  20. #23 CoMe的中等密集多图单卡网格，与#25 MetroGS的SfM/pointmap/多卡城市2DGS+TSDF网格，输入规模、是否先验、GT范围、体素尺度及优化/后处理时长不同；先以统一原图划分及GT mesh/点云阈值重跑SOF与CityGSV2，再分别测试置信度和渐进深度组件。#24 GAINS重建材质/环境光而非只测网格或图像，分割与IID/扩散的依赖、albedo尺度配准及真实光照GT须独立控制；TensorIR albedo负结果保留。三者主文和官方补充/作者扩展页号分别定位于各自analysis。
  21. GPERT有位姿静态事件流中的稀疏逐事件射线，AeroDGS在视频帧上利用深度/跟踪/BA恢复动态位姿和高斯；“时间分辨率”和“动态真实轨迹”是两个评测目标。前者在彩色合成输EventSplat且对闪烁敏感，后者真实Aero4D只有三场量化、长低重叠航线和行人未覆盖；逐序列分账，固定相机求解及教师成本（#26主文Tables1–3/补充Fig.10；#28主文Tables1–3/补充Tables4–6）。
  22. B³-Seg的已建高斯/单初视角/预训练2D教师设置，与LangSplat的逐场训练及REALM的实例场+MLLM设置分别测；同预算公平子表为B³-Seg对FlashSplat抽样策略。20轮的12.1秒中mask教师占9.761秒，理论1−1/e只针对其EIG代理与假设，需以场景级目标误报/中心偏差重测mask IoU（#27主文Tables1–6、补充§§B–F）。
  23. #29–#31分属已有图元评分、潜视图高频修复和非线性相机投影。RAP的跨场训练图像与KNN、Splatent的预训练VAE/三参考/扩散微调、3DGUT的标定/RS/LiDAR与次级3DGRT需各自完整分账；不同场景与输入许可的PSNR/FPS无法并入一个排序（#29主文Tables1–3；#30主文Tables1–4/补充Table6；#31主文Tables1–3/补充Table5）。
  24. #32与#33分别控制tile交集/图元数量与软件底座：Speedy-Splat累计渲染加速伴随Mip-NeRF360 LPIPS明显升高；gsplat库内增密策略改变画质、图元及显存。A5000十三场与A100七场须各自报告；未来固定库版本、划分、相机、图元预算及同质量点，分开训练/forward/SfM账（#32主文Tables1–4；#33主文Tables1–2）。
  25. #34 DepthSplat借预训练Depth Anything V2和已知相机把单目特征引入MVSplat类匹配；渲染预训练仅免该阶段GT深度，后续任务仍需GT微调。RE10K同表画质较好、DL3DV双视速度较慢；与#91/#6比较需固定相机、骨干/数据、视数与图元，分开微调Table7和零样本Table8。未来用相同scene与标定误差检查PSNR、GT深度和高视数显存（#34主文Tables4–8、补充§B.4）。
  26. #35 NoPoSplat的无输入外参边界仍保留内参、训练相机和目标视RGB对齐；与#7 Uni3R的语义教师、#22 WildSplat的野外外观半幅参考、#91 MVSplat及#34 DepthSplat的已知相机路线比较时，固定RoMa重叠桶、MASt3R/DUSt3R先验、场景级分割、训练卡时和真实目标pose可见性。小重叠同表收益与ACID高重叠退化并存；附录Table8姿态消融文字/数字矛盾应先复核再归因（#35正式PDF pp.6–10 Tables1–5、pp.15–20 Tables7–11）。
  27. #37先逐场优化后跨场精修，#91/#34从已知相机图像直接前馈图元，#35从有内参但无输入外参图像预测图元；三种路径需分别计建场、教师/数据准备与测试相机许可。#37的作者表1比较输入图与目标俯视一致，但30k基线与10k输入高斯需同初始资产及同训练步预算重跑；按对象而非九目标图统计置信区间，固定物体选择、角度、前景裁剪和纹理复杂度，纳入E.1的近角度退化、H.1反转视角弱收益、H.2另训实景的局限（#37正式PDF pp.7–10、15–23）。
  28. #38和#35都从无输入外参的稀疏RGB预测首视坐标高斯，但#38还求焦距而#35需要输入内参。#38训练深度/位姿监督、物体白底与rembg掩码、共享焦距PnP和场景尺度归一化须连同输出计账；与#35官方补充Re10K本法20.513低于23.867、ScanNet++本法25.807高于21.477，且#38的Re10K RRE3.513略高于3.467。两文训练域、内参许可及目标对齐不同；先在对象/scene级冻结相机许可、掩码、训练语料、推断+PnP成本和GT网格/TSDF阈值，再做跨域归因。#38自身PF-LRM GSO反例与ScanNet++ SSIM反例同列（#38主文pp.5–8 Tables1–6、补充pp.1–3 Tables1–2、p.9 Table4）。
  29. #39的在线单目动态SLAM与#28 AeroDGS逐场动态对象4D重建、#19 Changes in Real Time既有地图巡检及#0静态离线重建，输出/位姿许可与运行环节各不同。#39的0.49fps按全序列帧数/完整用时计，含全局BA和细化；快速版1.96fps改变优化配置。MoCap十视频仅两处布局，另采静态背景目标图评NVS；TUM主文四段与补充九段以及引用/重跑混合基线分别统计。固定内参和预训练DINOv2/Metric3D V2、RGB/RGB-D、完整轨迹Sim(3)、静态背景GT及源布局层级后，再测试遮挡/低重访/暂静止者与β/深度各自增益。Bonn Balloon、TUM f3/wr、补充Table11表文冲突与Fig.12失败例需纳入反证账（#39主文pp.3–8 Tables1–5；补充pp.1–6 Tables8–13/Fig.12）。

    30. | #40 SPFSplat；ICCV2025 CVF正式11页主文pp.27947–27957+官方7页补充 | 稀疏RGB+默认内参；共享ViT预测首视坐标系高斯/位姿，以目标位姿估计和重投影实现主训练无GT外参，MASt3R初始化 | RE10K平均PSNR25.484/.847/.153无EPA，对NoPoSplat*25.033/.838/.160；ACID域内SSIM.781持平（主文p.6 Tables1–2）；预测位姿去重投影PSNR19.836（补充p.2 Table12） | RE10K→DTU无EPA16.550低于NoPoSplat*17.899，有EPA18.297；0.044s只两图构建高斯，不含渲染/EPA/预训练；随机初始化另蒸馏、Splatt3R平均列疑似互换保留原值（主文pp.6–8、补充pp.1–3） |

| #41 GGS；IEEE/Crossref ICCV2025 DOI 10.1109/ICCV51701.2025.02554 pp.27510–27520及官方main program p.66；全文作者arXiv v1 18页、最终稿差异未核 | 单/两参考RGB+已知参考/目标内外参，专有I2V先验；feature-space epipolar高斯、image-space decoder、可选depth/5000步FT，静态室内生成 | ScanNet++单图No3D→GGS TSED .596→.896但FID80.4→81.8；RE10K单图3D No3D/depth/depth+FT FID57.8/56.3/47.3（作者PDF pp.6–7 Tables1/3） | 两图插值pixelSplat23.9>depth23.7 PSNR，Scan单图ViewCrafter FID74.5<depth81.9；两图RE精修FVD440.6→468.4退化，GT深度筛≥50%重叠，内部95k训练场/2B骨干、8×A10080GB两周训练与30步推断成本不等于低成本实时（pp.6/12–14 Tables2/5） |

  1. #41的生成一致性与#10时变4D、#90/#91稀疏重建各有目标。先固定公开骨干/训练场景、相机、GT深度和采样分布，再分别测GT几何、TSED、FID/FVD及全链成本；作者75k消融与800k最终训练不可混合归因，feature-space移除同时改x0参数化。自回归五视仅定性，最终出版稿差异未核；完整逐页分析见该Source同ID raw bundle。

| #42 StochasticSplats；IEEE/Crossref ICCV2025 DOI10.1109/ICCV51701.2025.02443 pp.26326–26335/官方program p.63 poster155；作者v1 13页含2页补充，最终稿差异未核 | 已建3DGS及相机，随机透明/Z-buffer去排序、倾斜billboard pop-free近似，CUDA128SPP精修1000步；可选完整体积混合/TAA | RTX4090 1SPP OpenGL前向1.85ms vs3DGS CUDA5.60，8SPP6.71反更慢；1SPP PSNR17.95/LPIPS0.611 vs3DGS28.99/0.185（作者pp.6–7 Tables1–2） | RTX3090 128SPP反向478.93ms vs3DGS23.06，精修14min不含建场；LERF定位84.3→82.0，Waldo95.5→86.4；无偏梯度只L2条件，TAA70帧选例不证长程稳定（pp.4/6–8 Tables3–4/附录pp.12–13） |

  1. #42随机渲染、#32剪图元、#33底座优化要在同资产/相机/GPU/分辨率和库版本下比较，独立开关SPP/TAA/pop-free及紧盒。高样本画质不配1SPP快时间；LERF按场/目标检查Waldo反例，TAA体积位置失败和L2/非线性loss无偏范围分别验收。无GPU复现，最终出版稿未比较。

| #43 7DGS；Crossref IEEE ICCV2025 DOI10.1109/ICCV51701.2025.02442 pp26316–26325/官方program p63 poster154；作者v1十页，最终稿差异未核 | 已标定视频逐场优化7维均值/协方差，时间—方向条件切片回3DGS；AGR时间MLP残差，仍排序混合 | PBR平均27.79→32.50PSNR，FPS192.6→174.7（完整）；无AGR31.77/376.0；heart1无AGR34.66/401vs完整35.48/155.7（p7 Table1） | D-NeRF h.warrior34.10→32.96，Technicolor train58.3→18.6FPS；LPIPS-Alex.101逊STG.085；训练/数据权限/高维内存预算、失效几何与未见时间未完整验收；项目仅网页，无GPU复现（pp6–8） |

  1. #43联合动态外观与#4剪枝/#5前馈/#39 SLAM分开；固定同卡/分辨率/训练batch与初始化，分别开关AGR和跨协方差，测内存及真实场反例。少点不推峰显存，CT来源渲染帧不推临床可靠性；Table1/2 LPIPS口径与Yang/Wu两个4DGS分名。

| #44 4DGS-SLAM；Crossref IEEE ICCV2025 DOI10.1109/ICCV51701.2025.02320 pp25019–25028/官方program p61 poster28；作者v1十一页，最终稿差异未核 | RGB-D序列/内参+YOLO/RAFT，静动态高斯分离、稀疏控制点MLP/LBS，静态区域跟踪及双向光流动态建图 | TUM ATE1.8vsMonoGS15.8cm（p6 Table4），BONN3.6vs33.1（p5 Table1）；TUM PSNR22.46vsSplaTAM19.40（p5 Table2） | BONN LPIPS0.241逊SplaTAM0.233（p6 Table3），光流不分离时PSNR18.37→17.40（p8 Table5）；不增动态图元/预指定初始化，精修1500次但无全链速度；GT轨迹SC-GS不同权限、原表均值异常、README缺配置404，无GPU复现 |

  1. #44动态地图与#39静态建图不同且有RGB-D深度输入；不跨论文ATE/FPS榜。分离和光流交互、动态初始化权限、精修前后图质、轨迹与完整运行成本独立测；定性新视角不推未见视角泛化。

| #45 EvaGaussians；ICCV2025 Crossref DOI10.1109/ICCV51701.2025.02298 pp24780–24790，program p60/poster6十一作者；作者v3九作者24页，最终稿未核 | 静态模糊RGB+同步事件/曝光/内参，EDI→COLMAP，九曝光姿态和GS联合优化、事件/亮度/深度正则 | 大/中/物体PSNR↑26.02/30.47/30.24，对BAD-GS23.86/28.46/27.86；作者p6 Table1 | 主表/附录真实BRISQUE↓53.96vs56.1472、MetaIQA↑.1969vs.2129（pp18–19 Tables11/15）；London感知反例、BagBRISQUE差，深度项大场PSNR反降（p8 Table2）；真实无清晰GT，ATE单位不明，不拼teaser FPS；50K/RTX4090但全链成本/代码数据可用性未核 |

  1. #45是事件辅助静态曝光反演而非动态对象/SLAM；九作者稿与十一作者正式记录差异显标。额外事件传感器和EDI/COLMAP预算要计入；所有数字对应作者v3，不推真实几何/部署/全链实时。原CVF失败/JDL TLS错误与显式恢复授权均保存内部。

| #46 GS-GS；CVPR2025正式CVF pp26745–26755/三作者，主文11页+官方补充3页，DOI10.1109/CVPR52734.2025.02491 | 已知相机稀疏SfM，3DGS/SpacetimeGS逐场与SDXL-LoRA/深度adapter/DPT交替，生成伪图和warp特征/MS-SSIM深度正则 | LLFF三视PSNR↑24.82vsFSGS20.31，Blender八视28.57vs24.64，Mip36024视25.87vs23.70（主p6 Table1）；动态三机位27.13vs14.98（p8 Table2） | 动态PSNR差值12.15→4.05→3.49dB随机位缩小，反于p7文字；机位非图片数。无几何/时间GT、逐场反例量化或同预算，10K未给完整耗时/显存/FPS/硬件/采样和LoRA预算，代码/视频包未核 |

  1. #46生成伪图是新增先验而非实拍证据，画质改善不推真实几何；与#41跨场生成、#45额外事件观测分开。动态同步多机位/给定相机与SLAM任务不同；不把10K步/冻结SDXL参数写成全链效率证明。

| #47 UVGS；CVPR2025 CVF pp5927–5937七作者，主文11+补12页，DOI10.1109/CVPR52734.2025.00556 | 已拟合静态资产、14属性RGB而非完整SH，球面top-K有损；跨对象多分支CNN压三通道、冻结图像AE、另训练LDM | Full原GS34.2dB/LPIPS.02→AE30.8/.09，CP99.5%；K1→4 PSNR31.1→33.2/CP53.0→33.3（主6 Table1）；FID26.20vsGaussianCube34.67，CLIP32.62vs30.34（主8 Table2） | 存储非VRAM/全链速度、8A100120h映射训练与75/50epoch生成另计；Table3 .06/.08口径未标，Alg1/代码区别；无几何GT/完整split/完整生成实现，12层真实场仅定性，README作者差异，无GPU复现 |

  1. #47对象级资产压缩/生成与#46稀疏逐场图像重建分开；同容量、SH/dtype/解码器摊销/总预算下测保留率、画质、几何、资产bytes/VRAM/解码时间，避免用有损CP作无损或实时证据。

| #48 POp-GS；CVPR2025 CVF pp3646–3655九作者，主10+补2页/视频，DOI10.1109/CVPR52734.2025.00345 | 既有拟合高斯地图和已知候选位姿；局部Jacobian信息矩阵、T/D谱准则、简化/单高斯块对角；单选/批选/关键帧 | Mip360十张PSNR17.29/.508/.432→Dblock18.15/.548/.401（主6 Table2）；Blender十张Dsimple25.52高于Dblock25.41（主7 Table3）；Ship内存2.62GB/0.15Hz vs简化44.4MB/12.16Hz（主8） | Blender批选Dblock三指标弱于Dsimple（补1 Table9），关键帧T更好（主8 Table6）；参数Σ非真实几何/空间图元协方差，排序累计PSNR非校准；批内不重训/跨GS相关丢弃；无硬件/全链采集成本/路径/位姿安全/代码复现 |

  1. #48将主动采集与未知位姿前馈、在线SLAM和预训练关键帧分开；固定初始地图/可用位姿/照片数及完整信息评分+训练+移动预算，补真实几何/漏建区域和概率校准，检验复杂估计是否比简化D值得。
元数据
{}