論文の概要: UDGS-SLAM : UniDepth Assisted Gaussian Splatting for Monocular SLAM
- arxiv url: http://arxiv.org/abs/2409.00362v1
- Date: Sat, 31 Aug 2024 06:18:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 15:08:42.494256
- Title: UDGS-SLAM : UniDepth Assisted Gaussian Splatting for Monocular SLAM
- Title(参考訳): UDGS-SLAM : 一眼的SLAMのための一眼レフ法
- Authors: Mostafa Mansour, Ahmed Abdelsalam, Ari Happonen, Jari Porras, Esa Rahtu,
- Abstract要約: 近年の単眼神経深度推定の進歩により、単眼SLAMのためのガウススプラッティングフレームワークにUniDepthを統合する研究が進められている。
本研究は,ガウススティングフレームワークにおける深度推定のためのRGB-Dセンサの不要な新しいアプローチであるUDGS-SLAMを提案する。
- 参考スコア(独自算出の注目度): 15.42410699032761
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advancements in monocular neural depth estimation, particularly those achieved by the UniDepth network, have prompted the investigation of integrating UniDepth within a Gaussian splatting framework for monocular SLAM.This study presents UDGS-SLAM, a novel approach that eliminates the necessity of RGB-D sensors for depth estimation within Gaussian splatting framework. UDGS-SLAM employs statistical filtering to ensure local consistency of the estimated depth and jointly optimizes camera trajectory and Gaussian scene representation parameters. The proposed method achieves high-fidelity rendered images and low ATERMSE of the camera trajectory. The performance of UDGS-SLAM is rigorously evaluated using the TUM RGB-D dataset and benchmarked against several baseline methods, demonstrating superior performance across various scenarios. Additionally, an ablation study is conducted to validate design choices and investigate the impact of different network backbone encoders on system performance.
- Abstract(参考訳): 単眼神経深度推定の最近の進歩、特にUniDepthネットワークによって達成されたものは、単眼のSLAMのためのガウススプラッティングフレームワークにUniDepthを組み込む研究のきっかけとなっている。本研究では、ガウススプラッティングフレームワークにおける深度推定のためのRGB-Dセンサーの必要性を排除した新しいアプローチであるUDGS-SLAMを提示する。
UDGS-SLAMは推定深度の局所的な整合性を確保するために統計的フィルタリングを採用し、カメラ軌道とガウスシーンの表現パラメータを共同最適化する。
提案手法は,高忠実度レンダリング画像と低ATERMSEを実現する。
TUM RGB-Dデータセットを用いてUDGS-SLAMの性能を厳格に評価し,様々なシナリオにおいて優れた性能を示す。
さらに,設計選択の妥当性を検証し,異なるネットワークバックボーンエンコーダがシステム性能に与える影響について検討した。
関連論文リスト
- MotionGS : Compact Gaussian Splatting SLAM by Motion Filter [10.979138131565238]
NeRFベースのSLAMは急増しているが、3DGSベースのSLAMは希薄である。
本稿では, 深部視覚特徴, 二重選択, 3DGSを融合した新しい3DGSベースのSLAM手法を提案する。
論文 参考訳(メタデータ) (2024-05-18T00:47:29Z) - MGS-SLAM: Monocular Sparse Tracking and Gaussian Mapping with Depth Smooth Regularization [29.713650915551632]
近年,ガウス・スプラッティングをベースとしたSLAMは,RGB-D入力に依存し,追跡に弱い。
ここでは、スパース・ビジュアル・オドメトリーがRGBストリームでカメラのポーズを追跡し、ガウス・スプラッティングが地図再構成を処理します。
ポーズ推定の精度は既存の手法を超越し、最先端の性能を達成する。
論文 参考訳(メタデータ) (2024-05-10T04:42:21Z) - SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping [15.63276368052395]
ニューラルラジアンスフィールドSLAM(NeRF-SLAM)に適した,新しい粗い粒度追跡モデルを提案する。
既存の NeRF-SLAM システムは、従来の SLAM アルゴリズムに比べて、追跡性能が劣っている。
局所バンドル調整とグローバルバンドル調整の両方を実装し、ロバストな(粗大な)(KL正規化器)と正確な(KL正規化器)SLAMソリューションを生成する。
論文 参考訳(メタデータ) (2024-04-17T14:23:28Z) - GlORIE-SLAM: Globally Optimized RGB-only Implicit Encoding Point Cloud SLAM [53.6402869027093]
フレキシブルなニューラルポイントクラウド表現シーンを用いたRGBのみの高密度SLAMシステムを提案する。
また,単分子深度とともに暗黙のポーズと深さを最適化する新しいDSPO層を導入する。
論文 参考訳(メタデータ) (2024-03-28T16:32:06Z) - CG-SLAM: Efficient Dense RGB-D SLAM in a Consistent Uncertainty-aware 3D Gaussian Field [46.8198987091734]
本稿では,新しい不確実性を考慮した3次元ガウス場に基づく高密度RGB-D SLAMシステム,すなわちCG-SLAMを提案する。
各種データセットの実験により、CG-SLAMは、最大15Hzの追従速度で優れた追従性能とマッピング性能を達成することが示された。
論文 参考訳(メタデータ) (2024-03-24T11:19:59Z) - High-Fidelity SLAM Using Gaussian Splatting with Rendering-Guided Densification and Regularized Optimization [8.845446246585215]
本稿では,3次元ガウススプラッティングに基づく高密度RGBD SLAMシステムを提案する。
近年のニューラルかつ並列に開発されたガウススプラッティング RGBD SLAM ベースラインと比較して,本手法は合成データセット Replica の最先端結果と実世界のデータセット TUM の競合結果を得る。
論文 参考訳(メタデータ) (2024-03-19T08:19:53Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳(メタデータ) (2023-12-04T18:59:55Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳(メタデータ) (2023-11-20T12:08:23Z) - Point-SLAM: Dense Neural Point Cloud-based SLAM [61.96492935210654]
本稿では,モノクラーRGBD入力に対する高密度ニューラルネットワークの局所化とマッピング(SLAM)手法を提案する。
トラッキングとマッピングの両方が、同じポイントベースのニューラルシーン表現で実行可能であることを実証する。
論文 参考訳(メタデータ) (2023-04-09T16:48:26Z) - NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。
近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
論文 参考訳(メタデータ) (2023-02-07T17:06:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。