論文の概要: ACE-SLAM: Scene Coordinate Regression for Neural Implicit Real-Time SLAM

• arxiv url: http://arxiv.org/abs/2512.14032v1
• Date: Tue, 16 Dec 2025 02:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.558937
• Title: ACE-SLAM: Scene Coordinate Regression for Neural Implicit Real-Time SLAM
• Title（参考訳）: ACE-SLAM:ニューラルネットワークによるリアルタイムSLAMのためのシーン協調回帰
• Authors: Ignacio Alzugaray, Marwan Taher, Andrew J. Davison,
• Abstract要約: 本稿では,シーンの暗黙マップをリアルタイムで学習する,新しいRGB-D同時局所マッピング(SLAM)システムを提案する。 SCR(Scene Coordinate Regression)をニューラルネットワークSLAMパイプラインの中核的な暗黙マップ表現として使用する方法について、初めて検討する。
• 参考スコア（独自算出の注目度）: 30.16727961928521
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a novel neural RGB-D Simultaneous Localization And Mapping (SLAM) system that learns an implicit map of the scene in real time. For the first time, we explore the use of Scene Coordinate Regression (SCR) as the core implicit map representation in a neural SLAM pipeline, a paradigm that trains a lightweight network to directly map 2D image features to 3D global coordinates. SCR networks provide efficient, low-memory 3D map representations, enable extremely fast relocalization, and inherently preserve privacy, making them particularly suitable for neural implicit SLAM. Our system is the first one to achieve strict real-time in neural implicit RGB-D SLAM by relying on a SCR-based representation. We introduce a novel SCR architecture specifically tailored for this purpose and detail the critical design choices required to integrate SCR into a live SLAM pipeline. The resulting framework is simple yet flexible, seamlessly supporting both sparse and dense features, and operates reliably in dynamic environments without special adaptation. We evaluate our approach on established synthetic and real-world benchmarks, demonstrating competitive performance against the state of the art. Project Page: https://github.com/ialzugaray/ace-slam
• Abstract（参考訳）: 本稿では,シーンの暗黙マップをリアルタイムで学習する,新しいRGB-D同時局所マッピング(SLAM)システムを提案する。 ニューラルSLAMパイプラインでは、Scene Coordinate Regression(SCR)を、軽量ネットワークをトレーニングして、2D画像の特徴を直接3Dグローバル座標にマップするパラダイムとして、コアの暗黙のマップ表現として使用することについて、初めて検討する。 SCRネットワークは、効率的で低メモリの3Dマップ表現を提供し、極めて高速な再ローカライゼーションを可能にし、本質的にプライバシを保護し、特にニューラル暗黙のSLAMに適している。 我々のシステムは、SCRに基づく表現を頼りに、神経暗黙的RGB-D SLAMで厳密なリアルタイムを実現する最初のシステムである。 我々は、この目的に特化して設計された新しいSCRアーキテクチャを導入し、SCRをライブSLAMパイプラインに統合するために必要な重要な設計選択について詳述する。 結果として得られるフレームワークは単純だが柔軟性があり、疎密な機能と密な機能の両方をシームレスにサポートし、特別な適応なしに動的環境で確実に動作する。 我々は,既存の総合的および実世界のベンチマークに対するアプローチを評価し,最先端技術に対する競争性能を実証した。 Project Page: https://github.com/ialzugaray/ace-slam

関連論文リスト

• SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
  SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。 SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
  論文  参考訳（メタデータ） (2025-11-21T12:40:55Z)
• SP-SLAM: Neural Real-Time Dense SLAM With Scene Priors [32.42183561158492]
  本稿では,SP-SLAMを提案する。SP-SLAMは,リアルタイムにトラッキングとマッピングを行う新しいRGB-D SLAMシステムである。 SP-SLAMでは,実行中のすべての過去の入力フレームのポーズを連続的に最適化する,マッピングの効果的な最適化戦略を導入する。 その結果, 従来の手法と比較して, 高速に動作しながら, トラッキング精度, 復元精度が向上していることがわかった。
  論文  参考訳（メタデータ） (2025-01-11T07:53:58Z)
• NIS-SLAM: Neural Implicit Semantic RGB-D SLAM for 3D Consistent Scene Understanding [31.56016043635702]
  NIS-SLAMは,高効率な暗黙的意味論的RGB-D SLAMシステムである。 高忠実な表面再構成と空間的一貫したシーン理解のために、我々は高周波多分解能テトラヘドロンに基づく特徴を組み合わせた。 また、我々のアプローチが拡張現実のアプリケーションに応用可能であることも示している。
  論文  参考訳（メタデータ） (2024-07-30T14:27:59Z)
• GlORIE-SLAM: Globally Optimized RGB-only Implicit Encoding Point Cloud SLAM [53.6402869027093]
  フレキシブルなニューラルポイントクラウド表現シーンを用いたRGBのみの高密度SLAMシステムを提案する。 また,単分子深度とともに暗黙のポーズと深さを最適化する新しいDSPO層を導入する。
  論文  参考訳（メタデータ） (2024-03-28T16:32:06Z)
• Leveraging Neural Radiance Field in Descriptor Synthesis for Keypoints Scene Coordinate Regression [1.2974519529978974]
  本稿では,Neural Radiance Field (NeRF) を用いたキーポイント記述子合成のためのパイプラインを提案する。 新たなポーズを生成してトレーニングされたNeRFモデルに入力して新しいビューを生成することで、当社のアプローチは、データスカース環境でのKSCRの機能を強化します。 提案システムは,最大50%のローカライズ精度向上を実現し,データ合成に要するコストをわずかに抑えることができた。
  論文  参考訳（メタデータ） (2024-03-15T13:40:37Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• 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)
• ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of Signed Distance Fields [2.0625936401496237]
  ESLAMは、未知のカメラポーズでRGB-Dフレームを読み出し、シーン表現を漸進的に再構築する。 ESLAMは3次元再構成の精度を向上し、最先端の高密度視覚SLAM法のカメラローカライゼーションを50%以上向上する。
  論文  参考訳（メタデータ） (2022-11-21T18:25:14Z)

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。