論文の概要: RGBDS-SLAM: A RGB-D Semantic Dense SLAM Based on 3D Multi Level Pyramid Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2412.01217v2
• Date: Wed, 04 Dec 2024 02:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 11:47:09.705546
• Title: RGBDS-SLAM: A RGB-D Semantic Dense SLAM Based on 3D Multi Level Pyramid Gaussian Splatting
• Title（参考訳）: RGBDS-SLAM:RGB-Dセマンティック・センス・SLAM
• Authors: Zhenzhong Cao, Chenyang Zhao, Qianyi Zhang, Jinzheng Guang, Yinuo Song Jingtai Liu,
• Abstract要約: 本稿では,RGB-Dセマンティック・セマンティック・セマンティック・SLAMシステムであるRGBDS-SLAMを提案する。 マルチレベル画像ピラミッドを抽出してシーン詳細を復元する3次元マルチレベル・ガウス・スプラッティング法を提案する。 密結合型多機能再構成最適化機構を設計し、RGB, 深さ, 意味マップの再構成精度を相互に向上する。
• 参考スコア（独自算出の注目度）: 4.587095015710814
• License:
• Abstract: High-quality reconstruction is crucial for dense SLAM. Recent popular approaches utilize 3D Gaussian Splatting (3D GS) techniques for RGB, depth, and semantic reconstruction of scenes. However, these methods often overlook issues of detail and consistency in different parts of the scene. To address this, we propose RGBDS-SLAM, a RGB-D semantic dense SLAM system based on 3D multi-level pyramid gaussian splatting, which enables high-quality dense reconstruction of scene RGB, depth, and semantics.In this system, we introduce a 3D multi-level pyramid gaussian splatting method that restores scene details by extracting multi-level image pyramids for gaussian splatting training, ensuring consistency in RGB, depth, and semantic reconstructions. Additionally, we design a tightly-coupled multi-features reconstruction optimization mechanism, allowing the reconstruction accuracy of RGB, depth, and semantic maps to mutually enhance each other during the rendering optimization process. Extensive quantitative, qualitative, and ablation experiments on the Replica and ScanNet public datasets demonstrate that our proposed method outperforms current state-of-the-art methods. The open-source code will be available at: https://github.com/zhenzhongcao/RGBDS-SLAM.
• Abstract（参考訳）: SLAMの高度化には高品質な再構築が不可欠である。 近年,RGB,奥行き,シーンのセマンティック再構築に3Dガウス・スプラッティング(3D GS)技術が用いられている。 しかし、これらの手法はシーンの様々な部分における細部と一貫性の問題を見落としていることが多い。 そこで本研究では,RGB-DセマンティックなSLAMシステムであるRGBDS-SLAMを提案する。RGB-DセマンティックなRGB,深度,セマンティックスを高精細に再現可能なRGB-DセマンティックなRGB-DセマンティックなSLAMシステムであるRGBDS-SLAMを提案する。 さらに,RGB,深度,セマンティックマップの再構成精度を向上する多機能再構成最適化機構を設計する。 Replica と ScanNet の公開データセットにおける大規模定量的,定性的,アブレーション実験により,提案手法が現在の最先端手法より優れていることを示す。 オープンソースコードは、https://github.com/zhenzhongcao/RGBDS-SLAM.comから入手できる。

関連論文リスト

• PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
  PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。 初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-31T08:58:10Z)
• MVS-GS: High-Quality 3D Gaussian Splatting Mapping via Online Multi-View Stereo [9.740087094317735]
  オンライン多視点ステレオ手法を用いた高品質な3DGSモデリングのための新しいフレームワークを提案する。 本手法は,局所時間窓から逐次フレームを用いてMVS深度を推定し,包括的深度改善手法を適用した。 実験の結果,本手法は最先端の高密度SLAM法より優れていた。
  論文  参考訳（メタデータ） (2024-12-26T09:20:04Z)
• HI-SLAM2: Geometry-Aware Gaussian SLAM for Fast Monocular Scene Reconstruction [38.47566815670662]
  HI-SLAM2は、RGB入力のみを用いて高速かつ正確な単眼シーン再構築を実現する幾何学的ガウスSLAMシステムである。 既存のニューラルSLAM法よりも大幅に改善され,RGB-D法を上回り,再現性もレンダリング性も向上した。
  論文  参考訳（メタデータ） (2024-11-27T01:39:21Z)
• IG-SLAM: Instant Gaussian SLAM [6.228980850646457]
  3D Gaussian SplattingはSLAMシステムにおける代替シーン表現として期待できる結果を示した。 本稿では,RGBのみの高密度SLAMシステムであるIG-SLAMについて述べる。 我々は、最先端のRGBのみのSLAMシステムと競合する性能を示し、高速な動作速度を実現する。
  論文  参考訳（メタデータ） (2024-08-02T09:07:31Z)
• Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians [87.48403838439391]
  3D Splattingは、RGBのみの高密度SLAMの幾何学と外観の強力な表現として登場した。 本稿では,高密度な3次元ガウス写像表現を持つRGBのみのSLAMシステムを提案する。 Replica、TUM-RGBD、ScanNetのデータセットに対する実験は、グローバルに最適化された3Dガウスの有効性を示している。
  論文  参考訳（メタデータ） (2024-05-26T12:26:54Z)
• 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)
• SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM [48.190398577764284]
  SplaTAMは、単一のRGB-Dカメラからの高忠実度再構成を可能にするアプローチである。 基礎となるガウス表現に合わせて、単純なオンライントラッキングとマッピングシステムを採用している。 実験により,SplaTAMはカメラポーズ推定,マップ構築,既存手法に対する新規ビュー合成において最大2倍の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-12-04T18:53:24Z)
• 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)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Pyramidal Attention for Saliency Detection [30.554118525502115]
  本稿では,RGB画像のみを活用し,RGBから深度を推定し,中間深度特性を利用する。 ピラミッド型アテンション構造を用いて,マルチレベル畳み込み変換器の特徴を抽出し,初期表現の処理を行う。 我々は8つのRGBおよびRGB-Dデータセット上で21と40の最先端SOD法に対する性能を著しく改善したことを報告した。
  論文  参考訳（メタデータ） (2022-04-14T06:57:46Z)

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。