論文の概要: GauS-SLAM: Dense RGB-D SLAM with Gaussian Surfels

• arxiv url: http://arxiv.org/abs/2505.01934v1
• Date: Sat, 03 May 2025 22:02:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.337686
• Title: GauS-SLAM: Dense RGB-D SLAM with Gaussian Surfels
• Title（参考訳）: GauS-SLAM:ガウスサーフィンを用いた高密度RGB-D SLAM
• Authors: Yongxin Su, Lin Chen, Kaiting Zhang, Zhongliang Zhao, Chenfeng Hou, Ziping Yu,
• Abstract要約: GauS-SLAMは2次元ガウス波を利用した高密度RGB-D SLAMシステムである。 GauS-SLAMは同等の手法より優れており、追跡精度とレンダリング精度が優れている。
• 参考スコア（独自算出の注目度）: 5.726938101368279
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose GauS-SLAM, a dense RGB-D SLAM system that leverages 2D Gaussian surfels to achieve robust tracking and high-fidelity mapping. Our investigations reveal that Gaussian-based scene representations exhibit geometry distortion under novel viewpoints, which significantly degrades the accuracy of Gaussian-based tracking methods. These geometry inconsistencies arise primarily from the depth modeling of Gaussian primitives and the mutual interference between surfaces during the depth blending. To address these, we propose a 2D Gaussian-based incremental reconstruction strategy coupled with a Surface-aware Depth Rendering mechanism, which significantly enhances geometry accuracy and multi-view consistency. Additionally, the proposed local map design dynamically isolates visible surfaces during tracking, mitigating misalignment caused by occluded regions in global maps while maintaining computational efficiency with increasing Gaussian density. Extensive experiments across multiple datasets demonstrate that GauS-SLAM outperforms comparable methods, delivering superior tracking precision and rendering fidelity. The project page will be made available at https://gaus-slam.github.io.
• Abstract（参考訳）: 2次元ガウス波を利用した高密度RGB-D SLAMシステムであるGauS-SLAMを提案する。 本研究により,ガウスに基づくシーン表現は,新しい視点下での幾何学的歪みを示し,ガウスに基づくトラッキング手法の精度を著しく低下させることが明らかとなった。 これらの幾何学的矛盾は、主にガウス原始体の深度モデリングと深度ブレンディング中の表面間の相互干渉から生じる。 そこで本稿では,曲面認識深度レンダリング機構と組み合わせた2次元ガウス型インクリメンタル再構成手法を提案する。 さらに,提案する局所地図設計では,ガウス密度の増大とともに計算効率を保ちながら,グローバルマップにおける隠蔽領域による不整合を緩和し,追跡中の可視面を動的に分離する。 複数のデータセットにわたる大規模な実験により、GauS-SLAMは同等の手法より優れ、より優れたトラッキング精度とレンダリング忠実性を提供することが示された。 プロジェクトのページはhttps://gaus-slam.github.io.comで公開されている。

関連論文リスト

• VINGS-Mono: Visual-Inertial Gaussian Splatting Monocular SLAM in Large Scenes [10.287279799581544]
  VINGS-Monoは、大きなシーン用に設計された単分子(慣性)ガウススプラッティング(GS)SLAMフレームワークである。 このフレームワークは、VIO Front End、2D Gaussian Map、NVS Loop Closure、Dynamic Eraserの4つの主要コンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-01-14T18:01:15Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [84.07233691641193]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)
• MVG-Splatting: Multi-View Guided Gaussian Splatting with Adaptive Quantile-Based Geometric Consistency Densification [8.099621725105857]
  マルチビューを考慮したソリューションであるMVG-Splattingを紹介する。 付加的な密度化のレベルを動的に決定する適応的量子化法を提案する。 このアプローチは3次元再構成プロセス全体の忠実度と精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-07-16T15:24:01Z)
• 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)
• MGS-SLAM: Monocular Sparse Tracking and Gaussian Mapping with Depth Smooth Regularization [29.713650915551632]
  本稿では,ガウススプラッティングに基づく濃密な視覚的局所化とマッピングのための新しいフレームワークを紹介する。 疎視度追跡と3次元ガウススプラッティングのシーン表現を初めて共同で最適化する。 ポーズ推定の精度は既存の手法や最先端の手法を超越している。
  論文  参考訳（メタデータ） (2024-05-10T04:42:21Z)
• Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
  Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。 GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。 GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
  論文  参考訳（メタデータ） (2024-04-16T17:57:19Z)
• 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)

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。