GaussianCity는 난양기술대학교 S-Lab에서 제안한 효율적인 국경 없는 3D 도시 생성 프레임워크입니다. 이는 3D 가우스 스플래터링(3D-GS) 및 컴팩트 BEV 포인트 표현을 기반으로 합니다. CityDreamer와 비교하면 60배 빠르고 지속적인 메모리 소비를 가지며 드론 및 스트리트 뷰 관점에서 도시 장면 생성을 지원합니다.

GaussianCity의 3D 도시 생성 프레임워크

핵심 매개변수 및 통계

프로젝트	세부정보
제품명	가우시안시티
제품 유형	3D 생성 프레임워크(학술 연구)
배송 양식	오픈 소스 코드(Python + CUDA)
핵심기술	3D 가우스 스플래팅, BEV 포인트
논문 컨퍼런스	CVPR 2025
GitHub 스타	336명(2025년 중반 기준)
개발팀	난양기술대학교 S-Lab
오픈 소스 라이센스	NTU S-Lab 라이선스 1.0
지원되는 플랫폼	Linux(NVIDIA GPU + CUDA 필요)

GaussianCity의 핵심 혁신은 3D-GS를 제한된 규모의 물체/인체 생성에서 무한 규모의 3D 도시 생성으로 확장하는 것입니다. CityDreamer와 같은 기존 접근 방식은 대규모 시나리오에서 메모리 폭발 문제에 직면합니다. 10km² 도시에는 수백 GB의 VRAM이 필요합니다. GaussianCity는 BEV-Point 컴팩트 표현을 통해 그래픽 메모리 소비를 일정한 수준으로 유지함으로써 이러한 병목 현상을 완전히 해결합니다. 추론 속도 측면에서 GaussianCity는 10.72FPS에 달하며 이는 CityDreamer(0.18FPS)보다 60배 높은 질적 도약입니다.

사용자 및 시장 인지도

GaussianCity는 CVPR 2025에 포함되었으며 3D 생성 분야의 최첨단 연구 성과입니다. Hugging Face 온라인 시연은 2025년 11주차 Top 8 Spaces에 선정되었으며, 이후 Top 1 Space에 진입하며 학계와 업계 모두에서 폭넓은 주목을 받았습니다. GitHub 저장소는 별 336개와 포크 19개를 받았으며 유사한 CVPR 논문 구현 중에서 커뮤니티 활동이 뛰어납니다.

이 작업은 동일한 CityDreamer 팀(NTU S-Lab)에 의해 계속되었으며 후속 작업인 CityDreamer4D에는 공개 페이지가 있어 이 기술 경로가 연구 활력을 지속하고 있음을 나타냅니다.

비용 이점

GaussianCity는 지불 기준액이 없는 완전한 오픈 소스 학술 연구 프로젝트입니다.

비용 차원	설명
오픈 소스 코드	GitHub 저장소는 NTU S-Lab 라이센스 1.0
사전 훈련된 모델	배경 생성기 및 건물 생성기에 대해 사전 훈련된 가중치 제공
온라인 체험	Hugging Face Spaces에서는 무료 온라인 데모를 제공합니다
하드웨어 비용	자신만의 NVIDIA GPU(CUDA 11.8+)를 가져와야 하며, 트레이닝에는 8×GPU 멀티 카드 구성이 권장됩니다

연구원과 개발자에게 실제 비용은 하드웨어 투자에 있습니다. 교육 배경 생성기는 다중 카드 구성을 위해 torchrun --nnodes=1 --nproc_per_node=8을 권장합니다. 단일 카드 추론에는 최소 8GB VRAM을 갖춘 GPU가 필요합니다. 이는 대형 모델/AIGC 연구 분야에서는 일반적인 구성이지만, 개인 마니아들에게는 그 문턱이 더 높다.

주요 기능

• 경계 없는 3D 도시 생성: 드론 조감도부터 스트리트 뷰까지 다양한 도시 장면 생성을 지원합니다. 장면 규모는 비디오 메모리에 의해 제한되지 않으며 이론적으로 모든 도시 크기에 도달할 수 있습니다.
• BEV-Point Compact Representation: 3D 장면의 포인트를 위치 속성과 스타일 속성으로 분해하고 Bird's Eye View 및 스타일 조회 테이블을 통해 압축을 구현하여 VRAM 소비가 장면 크기에 따라 증가하지 않도록 합니다.
• 공간 인식 BEV-포인트 디코더: 포인트 직렬 변환기 및 포인트 변환기를 기반으로 BEV 포인트 간의 구조적 및 상황별 관계를 캡처하고 고품질 3D 가우스 속성을 생성합니다.
• 이중 생성기 아키텍처: 배경 생성기는 하늘, 땅과 같은 배경 요소를 담당하고 건물 생성기는 건물 생성에 중점을 둡니다. 두 사람이 협력하여 완전한 도시 장면을 완성합니다.
• 실시간 렌더링 및 상호 작용: 3D-GS 기반의 효율적인 래스터화 파이프라인은 실시간 렌더링을 지원합니다. Hugging Face Demo는 온라인 대화형 경험을 제공합니다.

모델 및 버전의 진화

버전	날짜	설명
창고 생성	2024-05-24	초기 창고 생성, 코드가 아직 공개되지 않았습니다
훈련/테스트 코드 출시	2025-02-27	완전한 훈련 및 추론 코드, 사전 훈련 가중치 출시
포옹 얼굴 데모	2025-03-02	온라인 데모 출시, Top 8 Spaces(11주차) 획득 및 이후 Top 1
CVPR 2025 포함	2025-06	이 논문은 CVPR 2025에 승인되었으며 공식적으로 출판되었습니다

GaussianCity의 버전 이력은 명확합니다. 2024년 5월 웨어하우스 초기화부터 2025년 2월 완전한 오픈 소스 코드, 3월 Hugging Face Demo 출시 및 커뮤니티로부터 높은 인기를 얻었을 때까지 전체적인 리듬은 간결합니다. CVPR 2025에 논문이 포함되었다는 것은 해당 작업이 최고 컨퍼런스에서 동료 검토를 통과했음을 의미합니다. 코드는 현재 유지 관리 중이며 향후 동일한 기술 경로를 기반으로 향상된 버전이 출시될 수 있습니다(동일 팀의 CityDreamer4D 참조).

기술적인 장점

GaussianCity의 기술 리더십은 세 가지 수준으로 반영됩니다.

• BEV-Point Compact Representation: 핵심 혁신은 3D 장면 포인트를 위치 속성과 스타일 속성으로 분해하고 BEV 공간 양자화 + 스타일 조회 테이블을 통해 지속적인 그래픽 메모리 소비를 달성하는 데 있습니다. CityDreamer의 복셀/그리드 표현과 비교하여 BEV-Point는 장면 규모 확장 시 그래픽 메모리의 기하급수적인 증가를 방지하여 10km² 수준의 도시 생성이 가능합니다.
• 60배 속도 개선: 동일한 시나리오에서 GaussianCity의 추론 속도는 10.72FPS에 도달하는 반면 CityDreamer는 0.18FPS에 불과합니다. 속도 이점은 3D-GS의 GPU 효율적인 래스터화 파이프라인 + BEV-Point의 컴팩트한 데이터 구조에서 비롯됩니다. 이 두 가지를 결합하면 각 프레임의 렌더링 비용이 크게 절감됩니다.
• 공간 인식 디코더: 포인트 직렬 변환기 + 포인트 변환기의 아키텍처 설계를 통해 BEV 포인트 간의 공간적 맥락을 효과적으로 캡처할 수 있으며, 독립적인 포인트 생성으로 인한 기하학적 불일치를 피하고 출력 도시 레이아웃을 합리적이고 건축 세부 사항이 풍부하게 만듭니다.

사용방법

GaussianCity는 이를 사용하는 세 가지 방법을 제공합니다.

입장	유형	설명
GitHub 소스 코드	자체 전개	저장소 복제 → 종속성 설치 → 사전 훈련된 모델 다운로드 → 추론 실행
포옹 얼굴 데모	온라인 체험	설치 구성 없이 브라우저를 열고 직접 사용
논문/프로젝트 페이지	참고자료	arXiv 논문, 프로젝트 소개, 인용 등

로컬 배포로 빠르게 시작하기

``배쉬

1. 저장소 복제

자식 클론 https://github.com/hzxie/GaussianCity CD 가우시안시티

2. PyTorch 설치(CUDA 11.8 예)

pip 설치 토치==2.4.1 torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu118

3. Python 종속 항목 설치

pip 설치 -r 요구사항.txt

4. CUDA 확장 컴파일

GCITY_HOME=pwd cd $GCITY_HOME/확장 ls -d */의 e에 대해 하다 cd $GCITY_HOME/확장/$e 핍 설치 . 완료

5. 사전 훈련된 모델을 출력/ 디렉터리에 다운로드하고 추론을 실행합니다.

python3 스크립트/inference.py

> 참고: 추론 속도는 `inference.py`의 CPU 측 `footprint_extruder`에 의해 제한됩니다. 가장 빠른 성능이 필요한 경우 Hugging Face Demo의 GPU 구현을 사용하십시오.

### Hugging Face 온라인 체험

별도의 설정 없이 [https://huggingface.co/spaces/hzxie/gaussian-city](https://huggingface.co/spaces/hzxie/gaussian-city)에 방문하여 직접 경험해 보세요.

## 제품 가격

GaussianCity는 NTU S-Lab 라이센스 1.0 계약을 기반으로 출시된 완전 오픈 소스 학술 프로젝트로, 어떠한 과금 계획도 없습니다.

- **오픈 소스 코드**: GitHub 저장소는 완전히 공개되어 있으며 무료로 사용할 수 있습니다.
- **사전 훈련된 모델**: 배경 생성기 및 건물 생성기 가중치 무료 다운로드.
- **온라인 데모**: Hugging Face Spaces 무료 평가판.
- **상업 라이선스**: NTU S-Lab 라이선스 1.0을 기준으로 상업적 사용은 계약 조건을 준수해야 합니다. NTU 팀에 문의하는 것이 좋습니다.

실제 비용은 주로 하드웨어에서 발생합니다.
- 단일 카드 추론: 최소 8GB VRAM GPU(16GB 이상 권장)
- 전체 교육: 8×GPU 멀티 카드 클러스터 권장(A100 또는 동급)

## 애플리케이션 시나리오

- **게임 및 가상 현실**: 오픈 월드 게임 VR 로밍 및 기타 시나리오에 사용할 현실적이고 경계가 없는 3D 도시 컨텍스트를 신속하게 생성하여 수동 모델링 비용을 크게 절감합니다.
- **영화 및 TV 애니메이션 제작**: 복잡한 도시 장면을 배경이나 특수 효과 자료로 효율적으로 생성하고, 스타일화된 렌더링을 지원하며, 제작 파이프라인의 효율성을 향상시킵니다.
- **도시 계획 및 건축 설계**: GIS 데이터를 3D 시각화 장면으로 신속하게 변환하여 도시 레이아웃 계획, 빌딩 블록 정교화 및 설계 계획 표시를 지원합니다.
- **자율 주행 시뮬레이션**: 자율 주행 알고리즘의 인식 및 계획 테스트를 위해 다양하고 사실적인 도시 교통 장면을 생성하여 기존 시뮬레이션 데이터 세트로 다루기 어려운 롱테일 상황을 보완합니다.
- **지리정보시스템(GIS)**: 2D 지리 데이터를 3D 도시 모델로 자동 업그레이드하여 디지털 트윈, 스마트 시티 등 애플리케이션의 조기 시각적 검증을 지원합니다.

## 해당자

- **컴퓨터 비전/AIGC 연구원**: GaussianCity는 방법 비교 또는 추가 개선을 위한 출발점으로 사용하기에 적합한 도시 규모의 3D-GS 생성에 대한 최첨단 기준을 제공합니다.
- **게임, 영화, 텔레비전 개발자**: 도시 배경 자산을 일괄적으로 신속하게 생성해야 하는 기술 아티스트와 개발자는 오픈 소스 코드와 사전 훈련된 모델을 사용하여 자산 파이프라인을 가속화할 수 있습니다.
- **자율주행 시뮬레이션 엔지니어**: 알고리즘 검증을 위해 다양한 도시 현장 데이터가 필요한 엔지니어는 GaussianCity를 기반으로 보충 훈련 데이터를 생성할 수 있습니다.
- **사람에게는 적용되지 않음**:
  - GPU 컴퓨팅 성능이 부족한 개인 사용자(NVIDIA GPU 없음 또는 VRAM < 8GB)는 로컬 배포를 시도하지 않는 것이 좋습니다.
  - 즉각적인 상용급 SaaS 제품이 필요한 시나리오에는 적합하지 않습니다(원클릭 생성, 코딩 필요 없음). - GaussianCity는 연구 프레임워크이며 이를 사용하려면 Python/CUDA 기반이 필요합니다.
  - 구조화된 도시 데이터(의미론적 태그가 있는 건물, 도로, 교통 흐름)의 출력을 기대합니다. - GaussianCity는 GIS 구조화된 데이터가 아닌 시각적 렌더링을 생성합니다.

## 요약 및 전망

GaussianCity는 3D 도시 생성의 중요한 혁신입니다. 제한된 크기의 물체/인체에서 무한한 크기의 도시 수준 장면으로 3D-GS의 기능을 확장하고 BEV-Point 컴팩트 표현을 통해 오랫동안 현장을 괴롭혀온 메모리 병목 현상 문제를 해결합니다. 60배의 속도 증가와 CVPR 2025의 승인으로 인해 이 방향에서는 피할 수 없는 기본 방법이 되었습니다.

그러나 GaussianCity는 대량 생산 도구가 아닌 연구 프레임워크로 자리잡고 있습니다. 이를 위해서는 GPU 지원 Python 프로그래밍 기반과 3D-GS 기술 스택에 대한 이해가 필요합니다. 현재 버전은 주로 기술적 능력을 갖춘 연구원 및 개발자를 위한 것이며, 현재 직접적인 상용 SaaS 버전은 없습니다.

**조달/채택 위험 평가**: 개인 매니아에게는 하드웨어 임계값(NVIDIA GPU + CUDA + 최소 8GB VRAM)이 가장 큰 숨겨진 투자입니다. 기업 사용자의 경우 NTU S-Lab 라이선스 1.0의 상업적 조건을 주의 깊게 검토해야 합니다. 상업적으로 사용하기 전에 NTU 팀과 승인 범위를 확인하는 것이 좋습니다. 이 프로젝트는 현재 개인 연구원(Haozhe Xie)이 관리하고 있습니다. 장기적인 반복 리듬은 학술팀의 지속적인 투자에 달려 있으며 어느 정도 불확실성이 있습니다. GaussianCity를 연구 검증 또는 신속한 프로토타이핑 도구로 사용하는 것이 좋습니다. 프로덕션 수준 시나리오는 여전히 비교 평가를 위해 CityDreamer 시리즈 또는 기타 상용 솔루션과 결합되어야 합니다.

관련 도구: midjourney, stable-diffusion

버전 정보

• CVPR 2025 공식 버전 ：교육 및 테스트 코드가 완전히 출시되어 OSM 및 GoogleEarth 데이터 세트를 지원합니다. Hugging Face 데모가 온라인 상태입니다(2025/03/02). （2025-02-27）
• 창고 생성 ：초기 저장소가 생성되었지만 코드는 아직 공개되지 않았습니다. （2024-05-24）