論文の概要: Gaussian-Plus-SDF SLAM: High-fidelity 3D Reconstruction at 150+ fps

• arxiv url: http://arxiv.org/abs/2509.11574v1
• Date: Mon, 15 Sep 2025 04:37:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.14821
• Title: Gaussian-Plus-SDF SLAM: High-fidelity 3D Reconstruction at 150+ fps
• Title（参考訳）: Gaussian-Plus-SDF SLAM:150fps以上の高忠実度3D再構成
• Authors: Zhexi Peng, Kun Zhou, Tianjia Shao,
• Abstract要約: GPS-SLAM (Gaussian-Plus-SDF SLAM)は、現実世界のAzure Kinectシーケンスで150fpsを超えるリアルタイム3D再構成システムである。
• 参考スコア（独自算出の注目度）: 28.26214568008528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While recent Gaussian-based SLAM methods achieve photorealistic reconstruction from RGB-D data, their computational performance remains a critical bottleneck. State-of-the-art techniques operate at less than 20 fps, significantly lagging behind geometry-centric approaches like KinectFusion (hundreds of fps). This limitation stems from the heavy computational burden: modeling scenes requires numerous Gaussians and complex iterative optimization to fit RGB-D data, where insufficient Gaussian counts or optimization iterations cause severe quality degradation. To address this, we propose a Gaussian-SDF hybrid representation, combining a colorized Signed Distance Field (SDF) for smooth geometry and appearance with 3D Gaussians to capture underrepresented details. The SDF is efficiently constructed via RGB-D fusion (as in geometry-centric methods), while Gaussians undergo iterative optimization. Our representation enables drastic Gaussian reduction (50% fewer) by avoiding full-scene Gaussian modeling, and efficient Gaussian optimization (75% fewer iterations) through targeted appearance refinement. Building upon this representation, we develop GPS-SLAM (Gaussian-Plus-SDF SLAM), a real-time 3D reconstruction system achieving over 150 fps on real-world Azure Kinect sequences -- delivering an order-of-magnitude speedup over state-of-the-art techniques while maintaining comparable reconstruction quality. We will release the source code and data to facilitate future research.
• Abstract（参考訳）: 最近のガウスベースのSLAM法は、RGB-Dデータから光現実的再構成を実現するが、その計算性能は依然として重要なボトルネックである。 最先端の技術は20fps未満で動作し、KinectFusion(数百fps)のような幾何学中心のアプローチにかなり遅れている。 モデリングシーンは、多くのガウスと複雑な反復最適化を必要とし、RGB-Dデータに適合する。 そこで本稿では,スムーズな幾何学と外観のための色付き符号付き距離場(SDF)と,表現不足の詳細を捉えるための3Dガウス表現を組み合わせたガウス-SDFハイブリッド表現を提案する。 SDFは(幾何学中心の方法のように)RGB-D融合によって効率的に構築され、ガウスは反復最適化を行う。 我々の表現は、フルシーンのガウス的モデリングを回避し、ターゲットの外観改善を通じて効率の良いガウス的最適化(75%のイテレーション)を行うことにより、劇的なガウス的削減(50%の削減)を可能にした。 この表現に基づくGPS-SLAM(Gaussian-Plus-SDF SLAM)は、現実のAzure Kinectシーケンスで150fpsを超えるリアルタイム3D再構成システムである。 今後の研究を促進するために、ソースコードとデータを公開します。

関連論文リスト

• 3DGEER: Exact and Efficient Volumetric Rendering with 3D Gaussians [15.776720879897345]
  本稿では3DGEER(Exact and Efficient Volumetric Gaussian Rendering method)を紹介する。 提案手法は従来手法を一貫して上回り, リアルタイムなニューラルレンダリングにおける新しい最先端技術を確立する。
  論文  参考訳（メタデータ） (2025-05-29T22:52:51Z)
• RTG-SLAM: Real-time 3D Reconstruction at Scale using Gaussian Splatting [51.51310922527121]
  ガウススプラッティングを用いた大規模環境のためのRGBDカメラを用いたリアルタイム3D再構成システムを提案する。 それぞれのガウス語は不透明かほぼ透明で、不透明なものは表面色と支配的な色に、透明なものは残留色に適合する。 様々な大きなシーンをリアルタイムに再現し、新しいビュー合成とカメラトラッキングの精度のリアリズムにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-04-30T16:54:59Z)
• Compact 3D Gaussian Splatting For Dense Visual SLAM [32.37035997240123]
  本稿では,ガウス楕円体の数とパラメータサイズを削減できるコンパクトな3次元ガウス格子SLAMシステムを提案する。 余剰楕円体を減らすために、スライドウィンドウベースのマスキング戦略が最初に提案されている。 本手法は,シーン表現の最先端(SOTA)品質を維持しつつ,高速なトレーニングとレンダリングの高速化を実現する。
  論文  参考訳（メタデータ） (2024-03-17T15:41:35Z)
• 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。