論文の概要: MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping

• arxiv url: http://arxiv.org/abs/2509.14191v2
• Date: Fri, 03 Oct 2025 00:24:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:51.98269
• Title: MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping
• Title（参考訳）: MCGS-SLAM:高忠実度マッピングのためのガウススプラッティングを用いたマルチカメラSLAMフレームワーク
• Authors: Zhihao Cao, Hanyu Wu, Li Wa Tang, Zizhou Luo, Zihan Zhu, Wei Zhang, Marc Pollefeys, Martin R. Oswald,
• Abstract要約: 3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。 マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。 合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
• 参考スコア（独自算出の注目度）: 52.99503784067417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent progress in dense SLAM has primarily targeted monocular setups, often at the expense of robustness and geometric coverage. We present MCGS-SLAM, the first purely RGB-based multi-camera SLAM system built on 3D Gaussian Splatting (3DGS). Unlike prior methods relying on sparse maps or inertial data, MCGS-SLAM fuses dense RGB inputs from multiple viewpoints into a unified, continuously optimized Gaussian map. A multi-camera bundle adjustment (MCBA) jointly refines poses and depths via dense photometric and geometric residuals, while a scale consistency module enforces metric alignment across views using low-rank priors. The system supports RGB input and maintains real-time performance at large scale. Experiments on synthetic and real-world datasets show that MCGS-SLAM consistently yields accurate trajectories and photorealistic reconstructions, usually outperforming monocular baselines. Notably, the wide field of view from multi-camera input enables reconstruction of side-view regions that monocular setups miss, critical for safe autonomous operation. These results highlight the promise of multi-camera Gaussian Splatting SLAM for high-fidelity mapping in robotics and autonomous driving.
• Abstract（参考訳）: 近年の高密度SLAMの進歩は、多くの場合、頑丈さと幾何学的カバレッジを犠牲にして、主に単分子的なセットアップを目標にしている。 3Dガウススプラッティング(3DGS)をベースとしたRGBベースのマルチカメラSLAMシステムであるMCGS-SLAMを提案する。 従来のスパースマップや慣性データに依存する手法とは異なり、MCGS-SLAMは複数の視点から高密度なRGB入力を統一された連続最適化ガウス写像に融合する。 マルチカメラバンドル調整(MCBA)は、高密度な測光および幾何的残差を介してポーズと深さを共同で洗練し、スケール整合モジュールは低ランクの先行値を用いてビュー間の距離アライメントを強制する。 このシステムはRGB入力をサポートし、大規模にリアルタイムのパフォーマンスを維持する。 合成および実世界のデータセットの実験では、MCGS-SLAMは一貫して正確な軌跡と光現実的再構成をもたらし、通常は単分子ベースラインよりも優れていた。 特に、マルチカメラ入力からの広い視野は、モノラルなセットアップが失敗し、安全な自律操作に不可欠なサイドビュー領域の再構築を可能にする。 これらの結果は、ロボット工学と自律運転における高忠実度マッピングのためのマルチカメラ・ガウス・スプラッティングSLAMの可能性を浮き彫りにした。

関連論文リスト

• TVG-SLAM: Robust Gaussian Splatting SLAM with Tri-view Geometric Constraints [22.121665995381324]
  TVG-SLAMはRGBのみの堅牢な3DGS SLAMシステムである。 本手法はロバスト性を向上し,平均的絶対軌道誤差(ATE)を69.0%削減し,最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-06-29T12:31:05Z)
• Large-Scale Gaussian Splatting SLAM [21.253966057320383]
  本稿では,LSG-SLAMと呼ばれるステレオカメラを用いた大規模3DGSベースの視覚SLAMを提案する。 EuRocとKITTIデータセットに対する広範な評価により、LSG-SLAMは既存のNeural、3DGSベースの、さらには従来のアプローチよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-05-15T03:00:32Z)
• GigaSLAM: Large-Scale Monocular SLAM with Hierarchical Gaussian Splats [20.98774763235796]
  本稿では,RGB NeRF/3DGSベースの大規模屋外環境向けSLAMフレームワークであるGigaSLAMを紹介する。 我々のアプローチは階層的なスパースボクセルマップ表現を採用しており、ガウシアンはニューラルネットワークによって複数の詳細レベルで復号化されている。 GigaSLAMは、都市の屋外ベンチマークで高精度なトラッキングと視覚的に忠実なレンダリングを提供する。
  論文  参考訳（メタデータ） (2025-03-11T06:05:15Z)
• MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
  カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。 我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。 また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
  論文  参考訳（メタデータ） (2024-04-01T04:57:41Z)
• 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)
• NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
  NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。 近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T17:06:34Z)

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。