論文の概要: ActiveGS: Active Scene Reconstruction using Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2412.17769v1
- Date: Mon, 23 Dec 2024 18:29:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:56:32.545526
- Title: ActiveGS: Active Scene Reconstruction using Gaussian Splatting
- Title(参考訳): ActiveGS: Gaussian Splatting を用いたアクティブシーン再構築
- Authors: Liren Jin, Xingguang Zhong, Yue Pan, Jens Behley, Cyrill Stachniss, Marija Popović,
- Abstract要約: オンボードのRGB-Dカメラを用いて未知のシーンの正確な地図を作成するという課題に挑戦する。
本稿では,ガウススプレイティングマップと粗いボクセルマップを組み合わせたハイブリッドマップ表現を提案する。
本研究では,無人航空機を用いた実世界におけるアクティブなシーン再構築フレームワークの適用性を実証する。
- 参考スコア(独自算出の注目度): 30.834272544535335
- License:
- Abstract: Robotics applications often rely on scene reconstructions to enable downstream tasks. In this work, we tackle the challenge of actively building an accurate map of an unknown scene using an on-board RGB-D camera. We propose a hybrid map representation that combines a Gaussian splatting map with a coarse voxel map, leveraging the strengths of both representations: the high-fidelity scene reconstruction capabilities of Gaussian splatting and the spatial modelling strengths of the voxel map. The core of our framework is an effective confidence modelling technique for the Gaussian splatting map to identify under-reconstructed areas, while utilising spatial information from the voxel map to target unexplored areas and assist in collision-free path planning. By actively collecting scene information in under-reconstructed and unexplored areas for map updates, our approach achieves superior Gaussian splatting reconstruction results compared to state-of-the-art approaches. Additionally, we demonstrate the applicability of our active scene reconstruction framework in the real world using an unmanned aerial vehicle.
- Abstract(参考訳): ロボットアプリケーションは、ダウンストリームタスクを可能にするために、しばしばシーン再構築に頼っている。
本研究では,オンボードRGB-Dカメラを用いて未知シーンの正確な地図を作成するという課題に取り組む。
本稿では,ガウス図と粗いボクセル図を組み合わせたハイブリッド地図表現を提案する。ガウス図の高忠実度シーン再構築能力とボクセル図の空間モデリング強度である。
本フレームワークのコアとなるのは, ボクセルマップからの空間情報を活用して未探索領域を対象とし, 衝突のない経路計画を支援する上で, ガウススプレートマップの有効信頼度モデリング手法である。
地図更新のための未構築・未調査領域のシーン情報を積極的に収集することにより, 最先端の手法と比較して, ガウススプラッティングの再現性が優れていることを示す。
さらに,無人航空機を用いた実世界におけるアクティブなシーン再構築フレームワークの適用性を実証した。
関連論文リスト
- ActiveSplat: High-Fidelity Scene Reconstruction through Active Gaussian Splatting [12.628559736243536]
ガウススプラッティングを利用した自律型高忠実度再構築システムであるActiveSplatを提案する。
このシステムは、オンラインマッピング、視点選択、経路計画のための統合されたフレームワークを確立する。
提案手法の有効性を, 再現精度, データカバレッジ, 探索効率の観点から検証した。
論文 参考訳(メタデータ) (2024-10-29T11:18:04Z) - Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳(メタデータ) (2024-10-10T10:10:03Z) - HPix: Generating Vector Maps from Satellite Images [0.0]
衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。
経験的評価を通じて,提案手法は高精度かつ視覚的に表現可能なベクトルタイルマップを作成する上での有効性を示す。
さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。
論文 参考訳(メタデータ) (2024-07-18T16:54:02Z) - 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) - TK-Planes: Tiered K-Planes with High Dimensional Feature Vectors for Dynamic UAV-based Scenes [58.180556221044235]
本研究では,無人航空機(UAV)の認識における合成データと実世界データとの領域ギャップを埋める新しい手法を提案する。
私たちの定式化は、小さな動く物体や人間の行動からなる動的なシーンのために設計されています。
我々は,Okutama ActionやUG2など,挑戦的なデータセットの性能を評価する。
論文 参考訳(メタデータ) (2024-05-04T21:55:33Z) - HGS-Mapping: Online Dense Mapping Using Hybrid Gaussian Representation in Urban Scenes [9.698226248064454]
大規模都市景観におけるオンライン高密度マッピングフレームワークHGS-Mappingを提案する。
私たちは、ガウス表現を都市景観のオンライン密集地図に統合した最初の人物です。
提案手法は66%のガウスしか採用せず,SOTA再建精度が向上し,再建速度は20%向上した。
論文 参考訳(メタデータ) (2024-03-29T13:16:05Z) - GaussNav: Gaussian Splatting for Visual Navigation [92.13664084464514]
インスタンスイメージゴールナビゲーション(IIN)では、エージェントが探索されていない環境で、目標画像に描かれた特定のオブジェクトを見つける必要がある。
我々のフレームワークは3次元ガウススプラッティングに基づく新しい地図表現を構築する(3DGS)
我々のフレームワークは、Habitat-Matterport 3D(HM3D)データセットに挑戦するPath Length(SPL)が0.252から0.578に重み付けしたSuccessの増加によって証明された、パフォーマンスの著しい飛躍を示す。
論文 参考訳(メタデータ) (2024-03-18T09:56:48Z) - 3DGS-ReLoc: 3D Gaussian Splatting for Map Representation and Visual ReLocalization [13.868258945395326]
本稿では,3次元ガウススプラッティングを用いた3次元マッピングと視覚的再局在のための新しいシステムを提案する。
提案手法は、LiDARとカメラデータを用いて、環境の正確な視覚的表現を生成する。
論文 参考訳(メタデータ) (2024-03-17T23:06:12Z) - Mapping High-level Semantic Regions in Indoor Environments without
Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。
地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。
グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文 参考訳(メタデータ) (2024-03-11T18:09:50Z) - 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)
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。