論文の概要: FeatureSLAM: Feature-enriched 3D gaussian splatting SLAM in real time
- arxiv url: http://arxiv.org/abs/2601.05738v1
- Date: Fri, 09 Jan 2026 11:40:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-12 17:41:49.956357
- Title: FeatureSLAM: Feature-enriched 3D gaussian splatting SLAM in real time
- Title（参考訳）: FeatureSLAM: リアルタイム3DガウススプラッティングSLAM
- Authors: Christopher Thirgood, Oscar Mendez, Erin Ling, Jon Storey, Simon Hadfield,
- Abstract要約: 3Dガウススプラッティング(3DGS)を用いた効率的なカメラ追跡と特徴強調マッピングを統合したリアルタイム追跡SLAMシステムを提案する。
我々の主な貢献は、視覚的基礎モデルと整合した新しいビュー合成に、密集した特徴のセマンティック化とセマンティック化を統合することである。
直近の固定セットSLAMベースラインに比べて9%低いポーズ誤差と8%高いマッピング精度を得た。
- 参考スコア（独自算出の注目度）: 11.883404434697809
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a real-time tracking SLAM system that unifies efficient camera tracking with photorealistic feature-enriched mapping using 3D Gaussian Splatting (3DGS). Our main contribution is integrating dense feature rasterization into the novel-view synthesis, aligned with a visual foundation model. This yields strong semantics, going beyond basic RGB-D input, aiding both tracking and mapping accuracy. Unlike previous semantic SLAM approaches (which embed pre-defined class labels) FeatureSLAM enables entirely new downstream tasks via free-viewpoint, open-set segmentation. Across standard benchmarks, our method achieves real-time tracking, on par with state-of-the-art systems while improving tracking stability and map fidelity without prohibitive compute. Quantitatively, we obtain 9\% lower pose error and 8\% higher mapping accuracy compared to recent fixed-set SLAM baselines. Our results confirm that real-time feature-embedded SLAM, is not only valuable for enabling new downstream applications. It also improves the performance of the underlying tracking and mapping subsystems, providing semantic and language masking results that are on-par with offline 3DGS models, alongside state-of-the-art tracking, depth and RGB rendering.
- Abstract（参考訳）: 本稿では,3Dガウススプラッティング(3DGS)を用いた高効率カメラトラッキングと写真リアルな特徴強調マッピングを併用したリアルタイム追跡SLAMシステムを提案する。
我々の主な貢献は、視覚基盤モデルと整合して、高密度な特徴ラスタ化を新しいビュー合成に統合することである。
これにより、基本的なRGB-D入力を超えて、トラッキングとマッピングの正確性の両方を支援する強力なセマンティクスが得られる。
以前のセマンティックSLAMアプローチ(定義済みのクラスラベルを埋め込んだ)とは異なり、FeatureSLAMはフリービューポイント、オープンセットセグメンテーションを通じて完全にダウンストリームタスクを可能にする。
提案手法は, 従来のシステムと同等のリアルタイムトラッキングを実現するとともに, トラヒックの安定度とマップの忠実度を, 計算を禁止せずに向上する。
定量的に,最近のSLAMベースラインと比較して,9\%低いポーズ誤差と8\%高いマッピング精度が得られる。
我々の結果は、リアルタイム機能埋め込みSLAMが、新しいダウンストリームアプリケーションを実現するのに有用ではないことを確認した。
また、基礎となるトラッキングとマッピングのサブシステムのパフォーマンスを改善し、最先端のトラッキング、深さ、RGBレンダリングとともに、オフラインの3DGSモデルと同等のセマンティックおよび言語マスキング結果を提供する。
関連論文リスト
- VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。
堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。
本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
論文 参考訳（メタデータ） (2025-12-02T00:19:13Z) - 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) - Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。
このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。
提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
論文 参考訳（メタデータ） (2025-08-06T16:16:58Z) - GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [17.57215792490409]
GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。
提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。
2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
論文 参考訳（メタデータ） (2025-04-28T01:21:35Z) - GARAD-SLAM: 3D GAussian splatting for Real-time Anti Dynamic SLAM [9.060527946525381]
動的シーンに適したリアルタイム3DGSベースのSLAMシステムであるGARAD-SLAMを提案する。
追跡の面では、ガウスの動的セグメンテーションを直接実行し、それらをフロントエンドにマッピングして動的点ラベルを得る。
実世界のデータセットを用いた結果から,本手法はベースライン手法と比較して,トラッキングに競争力があることが示された。
論文 参考訳（メタデータ） (2025-02-05T14:44:17Z) - FlashSLAM: Accelerated RGB-D SLAM for Real-Time 3D Scene Reconstruction with Gaussian Splatting [14.130327598928778]
FlashSLAMは、3Dガウススプラッティングを有効かつ堅牢な3Dシーン再構築に活用する新しいSLAMアプローチである。
既存の3DGSベースのSLAMメソッドは、スパースビューの設定や大きなカメラの動きの間、しばしば不足する。
提案手法は,従来手法よりも平均追跡精度を最大92%向上させる。
論文 参考訳（メタデータ） (2024-12-01T05:44:38Z) - Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians [87.48403838439391]
3D Splattingは、RGBのみの高密度SLAMの幾何学と外観の強力な表現として登場した。
本稿では,高密度な3次元ガウス写像表現を持つRGBのみのSLAMシステムを提案する。
Replica、TUM-RGBD、ScanNetのデータセットに対する実験は、グローバルに最適化された3Dガウスの有効性を示している。
論文 参考訳（メタデータ） (2024-05-26T12:26:54Z) - 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) - Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。
我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。
合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
論文 参考訳（メタデータ） (2024-02-14T18:18:32Z)
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。