論文の概要: MemGS: Memory-Efficient Gaussian Splatting for Real-Time SLAM
- arxiv url: http://arxiv.org/abs/2509.13536v1
- Date: Tue, 16 Sep 2025 21:03:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.651672
- Title: MemGS: Memory-Efficient Gaussian Splatting for Real-Time SLAM
- Title（参考訳）: MemGS: リアルタイムSLAMのためのメモリ効率の良いガウススプレイティング
- Authors: Yinlong Bai, Hongxin Zhang, Sheng Zhong, Junkai Niu, Hai Li, Yijia He, Yi Zhou,
- Abstract要約: 我々は、レンダリング品質を向上しつつ、GPUメモリ使用率の観点から既存の手法を改善した。
具体的には、SLAMにおける冗長な3次元ガウス原始体に対処するために、幾何学的類似性に基づくボクセル空間にそれらをマージすることを提案する。
これにより、システムランタイムのパフォーマンスに影響を与えることなく、GPUメモリ使用量を減らすことができる。
- 参考スコア（独自算出の注目度）: 14.099868154929794
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advancements in 3D Gaussian Splatting (3DGS) have made a significant impact on rendering and reconstruction techniques. Current research predominantly focuses on improving rendering performance and reconstruction quality using high-performance desktop GPUs, largely overlooking applications for embedded platforms like micro air vehicles (MAVs). These devices, with their limited computational resources and memory, often face a trade-off between system performance and reconstruction quality. In this paper, we improve existing methods in terms of GPU memory usage while enhancing rendering quality. Specifically, to address redundant 3D Gaussian primitives in SLAM, we propose merging them in voxel space based on geometric similarity. This reduces GPU memory usage without impacting system runtime performance. Furthermore, rendering quality is improved by initializing 3D Gaussian primitives via Patch-Grid (PG) point sampling, enabling more accurate modeling of the entire scene. Quantitative and qualitative evaluations on publicly available datasets demonstrate the effectiveness of our improvements.
- Abstract（参考訳）: 近年の3Dガウススプラッティング(3DGS)の進歩は、レンダリングと再構築技術に大きな影響を与えている。
現在の研究は主に、高性能なデスクトップGPUを使用したレンダリング性能と再構築品質の改善に重点を置いており、主にマイクロエアビークル(MAV)のような組み込みプラットフォームへの応用を見越している。
これらのデバイスは計算資源とメモリが限られており、システム性能と再構築品質のトレードオフに直面していることが多い。
本稿では,レンダリング品質を向上しつつ,GPUメモリ使用率の観点から既存手法を改良する。
具体的には、SLAMにおける冗長な3次元ガウス原始体に対処するために、幾何学的類似性に基づくボクセル空間にそれらをマージすることを提案する。
これにより、システムランタイムのパフォーマンスに影響を与えることなく、GPUメモリ使用量を減らすことができる。
さらに、3DガウスプリミティブをPatch-Grid(PG)ポイントサンプリングによって初期化することにより、レンダリング品質が向上し、シーン全体のより正確なモデリングが可能になる。
公開データセットの定量的および定性的な評価は、我々の改善の有効性を実証する。
関連論文リスト
- Virtual Memory for 3D Gaussian Splatting [1.278093617645299]
ガウスの版画は、新しいビューレンダリングの分野における画期的な分野である。
近年の進歩は、作成できるスプレイティングシーンのサイズを増大させてきた。
論文 参考訳（メタデータ） (2025-06-24T08:31:33Z) - LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [68.93333348474988]
メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。
カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。
本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-05-29T06:50:57Z) - QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization [69.50126552763157]
表面再構成はコンピュータビジョンとグラフィックスの基本であり、3Dモデリング、混合現実、ロボット工学などの応用を可能にする。
レンダリングに基づく既存のアプローチは有望な結果を得るが、シーンごとに最適化されるため、テクスチャレスな領域をモデル化するのに苦労する可能性がある。
大規模屋内シーンの2次元ガウススプラッティング最適化のための高密度初期化を生成するために,データ駆動の先行処理を学習するQuickSplatを紹介する。
論文 参考訳（メタデータ） (2025-05-08T18:43:26Z) - Temporally Compressed 3D Gaussian Splatting for Dynamic Scenes [46.64784407920817]
時間圧縮3Dガウススティング(TC3DGS)は動的3Dガウス表現を圧縮する新しい技術である。
複数のデータセットにまたがる実験により、T3DGSは最大67$times$圧縮を実現し、視覚的品質の劣化を最小限に抑えることができた。
論文 参考訳（メタデータ） (2024-12-07T17:03:09Z) - GSFusion: Online RGB-D Mapping Where Gaussian Splatting Meets TSDF Fusion [12.964675001994124]
従来の融合アルゴリズムは3次元シーンの空間構造を保存する。
ヴィジュアライゼーションの面では現実主義を欠いていることが多い。
GSFusionはレンダリング品質を犠牲にすることなく計算効率を大幅に向上させる。
論文 参考訳（メタデータ） (2024-08-22T18:32:50Z) - 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。