論文の概要: VarSplat: Uncertainty-aware 3D Gaussian Splatting for Robust RGB-D SLAM
- arxiv url: http://arxiv.org/abs/2603.09673v1
- Date: Tue, 10 Mar 2026 13:42:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:24.34294
- Title: VarSplat: Uncertainty-aware 3D Gaussian Splatting for Robust RGB-D SLAM
- Title（参考訳）: VarSplat:ロバストなRGB-D SLAMのための不確実な3Dガウススプレイティング
- Abstract要約: VarSplatは3DGS-SLAMシステムである。
従来のRGB-D SLAMと比較して,VarSplatはロバスト性,競争性,優れたトラッキング,マッピング,新しいビューレンダリングを改善していることを示す。
- 参考スコア（独自算出の注目度）: 2.5823344978857388
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simultaneous Localization and Mapping (SLAM) with 3D Gaussian Splatting (3DGS) enables fast, differentiable rendering and high-fidelity reconstruction across diverse real-world scenes. However, existing 3DGS-SLAM approaches handle measurement reliability implicitly, making pose estimation and global alignment susceptible to drift in low-texture regions, transparent surfaces, or areas with complex reflectance properties. To this end, we introduce VarSplat, an uncertainty-aware 3DGS-SLAM system that explicitly learns per-splat appearance variance. By using the law of total variance with alpha compositing, we then render differentiable per-pixel uncertainty map via efficient, single-pass rasterization. This map guides tracking, submap registration, and loop detection toward focusing on reliable regions and contributes to more stable optimization. Experimental results on Replica (synthetic) and TUM-RGBD, ScanNet, and ScanNet++ (real-world) show that VarSplat improves robustness and achieves competitive or superior tracking, mapping, and novel view synthesis rendering compared to existing studies for dense RGB-D SLAM.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)を併用したSLAMは、様々な現実世界のシーンで高速で微分可能なレンダリングと高忠実な再構築を可能にする。
しかし、既存の3DGS-SLAMアプローチは測定信頼性を暗黙的に処理し、低テクスチャ領域、透明な表面、複雑な反射特性を持つ領域でのポーズ推定と大域的なアライメントを許容する。
本稿では,不確実性を考慮した3DGS-SLAMシステムであるVarSplatを紹介する。
アルファ合成による全分散の法則を用いて、効率の良いシングルパスラスタ化により、画素毎の不確実性マップを描画する。
このマップは、トラッカー、サブマップ登録、ループ検出を信頼できる領域に集中させ、より安定した最適化に寄与する。
Replica (synthetic) と TUM-RGBD, ScanNet, ScanNet++ (real-world) の実験結果から, VarSplat は高密度 RGB-D SLAM に対する既存の研究と比較して,堅牢性を改善し,競争力や優れた追跡,マッピング,新規ビュー合成レンダリングを実現することが示された。
関連論文リスト
- LightSplat: Real-Time High-Fidelity 3D Gaussian SLAM with Loop Closure [19.174690314969737]
LightSplatはハイブリッド表現RGB-D SLAMフレームワークである。
デュアルスレッドバックエンドで堅牢で高速なトラッキングのために、ローカルスパース機能をシナジする。
高忠実度ガウス写像のオンライン再構築を実現している。
論文 参考訳（メタデータ） (2026-09-07T09:37:03Z) - VBGS-SLAM: Variational Bayesian Gaussian Splatting Simultaneous Localization and Mapping [11.158238000818288]
3次元ガウス散乱(3DGS)はガウスの混合物を用いた3次元シーンモデリングにおいて有望な結果を示した。
本稿では,スプレートマップの精細化とカメラポーズ追跡を生成確率形式で組み合わせた新しいフレームワークである変分ベイジアン・ガウス・スプティングSLAM(VBGS-SLAM)を提案する。
本実験は,多種多様な合成シーンと実世界のシーンにまたがる,効率的で高品質な新規ビュー合成とともに,長いシーケンス予測におけるトラッキング性能とロバスト性を示す。
論文 参考訳（メタデータ） (2026-04-03T03:44:01Z) - 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) - ConfidentSplat: Confidence-Weighted Depth Fusion for Accurate 3D Gaussian Splatting SLAM [0.0]
ConfidentSplatは、3D Gaussian Splatting (3DGS)ベースのSLAMシステムである。
再現精度(L1深度誤差)と新しいビュー忠実度(PSNR, SSIM, LPIPS)は,ベースラインよりも大幅に向上した。
論文 参考訳（メタデータ） (2025-09-21T01:28:03Z) - 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) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - GSplatLoc: Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization [1.4466437171584356]
軽量なXFeat特徴抽出器から高密度かつ堅牢なキーポイント記述器を3DGSに統合する2段階の手順を提案する。
第2段階では、レンダリングベースの光度ワープ損失を最小限に抑え、初期ポーズ推定を洗練させる。
広く使われている屋内および屋外データセットのベンチマークは、最近のニューラルレンダリングベースのローカライゼーション手法よりも改善されていることを示している。
論文 参考訳（メタデータ） (2024-09-24T23:18:32Z) - IG-SLAM: Instant Gaussian SLAM [6.228980850646457]
3D Gaussian SplattingはSLAMシステムにおける代替シーン表現として期待できる結果を示した。
本稿では,RGBのみの高密度SLAMシステムであるIG-SLAMについて述べる。
我々は、最先端のRGBのみのSLAMシステムと競合する性能を示し、高速な動作速度を実現する。
論文 参考訳（メタデータ） (2024-08-02T09:07:31Z) - 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) - 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。