論文の概要: VPGS-SLAM: Voxel-based Progressive 3D Gaussian SLAM in Large-Scale Scenes

• arxiv url: http://arxiv.org/abs/2505.18992v1
• Date: Sun, 25 May 2025 06:27:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.816576
• Title: VPGS-SLAM: Voxel-based Progressive 3D Gaussian SLAM in Large-Scale Scenes
• Title（参考訳）: VPGS-SLAM:Voxel-based Progressive 3D Gaussian SLAM in Large-Scale Scenes
• Authors: Tianchen Deng, Wenhua Wu, Junjie He, Yue Pan, Xirui Jiang, Shenghai Yuan, Danwei Wang, Hesheng Wang, Weidong Chen,
• Abstract要約: VPGS-SLAMは3DGSベースの大規模なRGBD SLAMフレームワークで、屋内および屋外の両方のシナリオに対応している。 我々は,コンパクトで正確なシーン表現のための複数のサブマップを持つ新しいボクセルベースのプログレッシブ3Dガウスマッピング法を設計する。 さらに,室内および屋外の大規模シーンにおいて,ロバストかつ高精度なカメラトラッキングを実現するための2D-3Dフュージョンカメラトラッキング手法を提案する。
• 参考スコア（独自算出の注目度）: 26.06908154350295
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: 3D Gaussian Splatting has recently shown promising results in dense visual SLAM. However, existing 3DGS-based SLAM methods are all constrained to small-room scenarios and struggle with memory explosion in large-scale scenes and long sequences. To this end, we propose VPGS-SLAM, the first 3DGS-based large-scale RGBD SLAM framework for both indoor and outdoor scenarios. We design a novel voxel-based progressive 3D Gaussian mapping method with multiple submaps for compact and accurate scene representation in large-scale and long-sequence scenes. This allows us to scale up to arbitrary scenes and improves robustness (even under pose drifts). In addition, we propose a 2D-3D fusion camera tracking method to achieve robust and accurate camera tracking in both indoor and outdoor large-scale scenes. Furthermore, we design a 2D-3D Gaussian loop closure method to eliminate pose drift. We further propose a submap fusion method with online distillation to achieve global consistency in large-scale scenes when detecting a loop. Experiments on various indoor and outdoor datasets demonstrate the superiority and generalizability of the proposed framework. The code will be open source on https://github.com/dtc111111/vpgs-slam.
• Abstract（参考訳）: 3D Gaussian Splattingは近年、高密度視覚SLAMの有望な結果を示している。 しかし、既存の3DGSベースのSLAM法は、すべて小さな部屋のシナリオに制約されており、大規模なシーンや長いシーケンスでメモリの爆発に悩まされている。 そこで本研究では,初の3DGSベースの大規模RGBD SLAMフレームワークであるVPGS-SLAMを提案する。 大規模かつ長期のシーンにおけるコンパクトかつ正確なシーン表現のための複数のサブマップを用いたボクセルベースのプログレッシブ3次元ガウスマッピング法を設計する。 これにより、任意のシーンにスケールアップし、(ポーズドリフト下であっても)堅牢性を改善することができます。 さらに,室内および屋外の大規模シーンにおいて,ロバストかつ高精度なカメラトラッキングを実現するための2D-3Dフュージョンカメラトラッキング手法を提案する。 さらに,ポーズドリフトを除去する2次元3次元ガウスループ閉鎖法を設計する。 さらに,ループ検出時の大規模シーンにおけるグローバルな一貫性を実現するために,オンライン蒸留を用いたサブマップ融合法を提案する。 各種屋内および屋外データセットを用いた実験により,提案手法の優位性と一般化性を示した。 コードはhttps://github.com/dtc1111/vpgs-slamで公開されている。

関連論文リスト

• RGB-Only Gaussian Splatting SLAM for Unbounded Outdoor Scenes [12.150995604820443]
  3D Gaussian Splatting (3DGS) はSLAMにおいて高忠実性ノベルビューを生成するため、一般的なソリューションとなっている。 従来のGSベースの手法は主に屋内シーンをターゲットにしており、RGB-Dセンサーや事前訓練された深度推定モデルに依存している。 本稿では,RGBのみのガウススプラッティングSLAM法を提案する。
  論文  参考訳（メタデータ） (2025-02-21T18:02:31Z)
• 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)
• GSplatLoc: Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization [1.4466437171584356]
  軽量なXFeat特徴抽出器から高密度かつ堅牢なキーポイント記述器を3DGSに統合する2段階の手順を提案する。 第2段階では、レンダリングベースの光度ワープ損失を最小限に抑え、初期ポーズ推定を洗練させる。 広く使われている屋内および屋外データセットのベンチマークは、最近のニューラルレンダリングベースのローカライゼーション手法よりも改善されていることを示している。
  論文  参考訳（メタデータ） (2024-09-24T23:18:32Z)
• 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)
• Gaussian Splatting SLAM [16.3858380078553]
  単分子SLAMにおける3次元ガウス散乱の最初の応用について述べる。 我々の方法は3fpsで動作し、正確な追跡、マッピング、高品質なレンダリングに必要な表現を統一する。 ライブカメラから高忠実度で連続的に3Dシーンを再構築するためには、いくつかの革新が必要である。
  論文  参考訳（メタデータ） (2023-12-11T18:19:04Z)
• 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)
• LucidDreamer: Domain-free Generation of 3D Gaussian Splatting Scenes [52.31402192831474]
  しかし、既存の3Dシーン生成モデルは、ターゲットシーンを特定のドメインに制限する。 ドメインフリーシーン生成パイプラインであるLucidDreamerを提案する。 LucidDreamerは、ターゲットシーンのドメインに制約がなく、高詳細なガウススプラットを生成する。
  論文  参考訳（メタデータ） (2023-11-22T13:27:34Z)
• Pyramid Diffusion for Fine 3D Large Scene Generation [56.00726092690535]
  拡散モデルは2次元画像と小型3次元オブジェクトの生成において顕著な結果を示した。 大規模な3Dシーンの合成への応用はめったに研究されていない。 本稿では,大規模拡散モデルを用いて,高品質な屋外シーンを段階的に生成するフレームワークであるPraamid Discrete Diffusion Model (PDD)を紹介する。
  論文  参考訳（メタデータ） (2023-11-20T11:24:21Z)
• SurroundOcc: Multi-Camera 3D Occupancy Prediction for Autonomous Driving [98.74706005223685]
  3Dシーン理解は、視覚に基づく自動運転において重要な役割を果たす。 マルチカメラ画像を用いたSurroundOcc法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:59:08Z)

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。