論文の概要: DenseSplat: Densifying Gaussian Splatting SLAM with Neural Radiance Prior

• arxiv url: http://arxiv.org/abs/2502.09111v1
• Date: Thu, 13 Feb 2025 09:41:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:48:21.390479
• Title: DenseSplat: Densifying Gaussian Splatting SLAM with Neural Radiance Prior
• Title（参考訳）: DenseSplat: ニューラルレイディアンスを前駆体としたガウス散乱SLAMの高密度化
• Authors: Mingrui Li, Shuhong Liu, Tianchen Deng, Hongyu Wang,
• Abstract要約: 我々は,NeRFと3DGSの利点を効果的に組み合わせた最初のSLAMシステムであるDenseSplatを紹介する。 DenseSplatは、スパースとNeRFプリミティブを初期化し、密集したマップを実現し、ギャップをシームレスに埋める。 また、ジオメトリ対応のプリミティブサンプリングとプルーニング戦略を実装し、レンダリング効率を管理して改善する。
• 参考スコア（独自算出の注目度）: 3.2544733184776304
• License:
• Abstract: Gaussian SLAM systems excel in real-time rendering and fine-grained reconstruction compared to NeRF-based systems. However, their reliance on extensive keyframes is impractical for deployment in real-world robotic systems, which typically operate under sparse-view conditions that can result in substantial holes in the map. To address these challenges, we introduce DenseSplat, the first SLAM system that effectively combines the advantages of NeRF and 3DGS. DenseSplat utilizes sparse keyframes and NeRF priors for initializing primitives that densely populate maps and seamlessly fill gaps. It also implements geometry-aware primitive sampling and pruning strategies to manage granularity and enhance rendering efficiency. Moreover, DenseSplat integrates loop closure and bundle adjustment, significantly enhancing frame-to-frame tracking accuracy. Extensive experiments on multiple large-scale datasets demonstrate that DenseSplat achieves superior performance in tracking and mapping compared to current state-of-the-art methods.
• Abstract（参考訳）: ガウスSLAMシステムは、NeRFベースのシステムと比較して、リアルタイムレンダリングやきめ細かな再構成に優れている。 しかし、大規模なキーフレームへの依存は、現実のロボットシステムに展開するには実用的ではない。 これらの課題に対処するために,NeRFと3DGSの利点を効果的に組み合わせた最初のSLAMシステムであるDenseSplatを導入する。 DenseSplatはスパースキーフレームとNeRFプリミティブを初期化し、マップを密集させ、ギャップをシームレスに埋める。 また、幾何対応のプリミティブサンプリングとプルーニング戦略を実装し、粒度を管理し、レンダリング効率を向上させる。 さらに、DenseSplatはループクロージャとバンドル調整を統合し、フレーム間トラッキングの精度を大幅に向上させる。 複数の大規模データセットに対する大規模な実験により、DenseSplatは現在の最先端手法と比較して、トラッキングとマッピングの優れたパフォーマンスを実現している。

関連論文リスト

• MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [73.49548565633123]
  3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。 既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。 本稿では,3次元ガウス・スプレイティング(MCGS)に基づくビュー・フレームワークを提案し,スパークス・インプット・ビューからシーンを再構築する。
  論文  参考訳（メタデータ） (2024-10-15T08:39:05Z)
• ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [104.34751911174196]
  ShapeNetとModelNetを用いた大規模3DGSデータセットを構築した。 データセットのShapeSplatは、87のユニークなカテゴリから65Kのオブジェクトで構成されています。 textbftextitGaussian-MAEを導入し、ガウスパラメータからの表現学習の独特な利点を強調した。
  論文  参考訳（メタデータ） (2024-08-20T14:49:14Z)
• 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)
• Evaluating Alternatives to SFM Point Cloud Initialization for Gaussian Splatting [31.724777502129918]
  3次元ガウススプラッティングは、シーン再構成と新規なビュー合成のための汎用的で効果的な方法として受け入れられている。 Structure-from-Motion (SFM) アルゴリズムは克服すべき重要な限界である。 SFMデータへの依存を回避するために、NeRF再構成をどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2024-04-18T23:52:42Z)
• Mini-Splatting: Representing Scenes with a Constrained Number of Gaussians [4.733612131945549]
  本研究では,ガウスの制約の多いシーンを効率よく表現することの課題について検討する。 本稿では, ブラース分割や深部再初期化, 交差点保存・サンプリングによる簡易化など, 密度化戦略を紹介する。 我々のMini-Splattingは、オリジナル化パイプラインとシームレスに統合され、ガウス・スプレイティングに基づく将来の研究の強力なベースラインを提供する。
  論文  参考訳（メタデータ） (2024-03-21T06:34:46Z)
• 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)
• GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
  GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。 周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
  論文  参考訳（メタデータ） (2024-02-15T17:32:50Z)
• 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)
• 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)

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。