論文の概要: Semantic Segmentation and Depth Estimation for Real-Time Lunar Surface Mapping Using 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.18218v1
• Date: Wed, 18 Mar 2026 19:07:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.821992
• Title: Semantic Segmentation and Depth Estimation for Real-Time Lunar Surface Mapping Using 3D Gaussian Splatting
• Title（参考訳）: 3次元ガウススプラッティングによる実時間月面マッピングのセマンティックセグメンテーションと深さ推定
• Authors: Guillem Casadesus Vila, Adam Dai, Grace Gao,
• Abstract要約: 本稿では,高密度知覚モデルと3次元ガウススプラッティング(3DGS)表現を統合したリアルタイムマッピングフレームワークを提案する。 この結果から, セマンティックセグメンテーションと深度推定を学習地図表現と組み合わせることが, 将来の月面ミッションを支援するための詳細な大規模地図作成に有効な方法であることが示唆された。
• 参考スコア（独自算出の注目度）: 1.1240669509034298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Navigation and mapping on the lunar surface require robust perception under challenging conditions, including poorly textured environments, high-contrast lighting, and limited computational resources. This paper presents a real-time mapping framework that integrates dense perception models with a 3D Gaussian Splatting (3DGS) representation. We first benchmark several models on synthetic datasets generated with the LuPNT simulator, selecting a stereo dense depth estimation model based on Gated Recurrent Units for its balance of speed and accuracy in depth estimation, and a convolutional neural network for its superior performance in detecting semantic segments. Using ground truth poses to decouple the local scene understanding from the global state estimation, our pipeline reconstructs a 120-meter traverse with a geometric height accuracy of approximately 3 cm, outperforming a traditional point cloud baseline without LiDAR. The resulting 3DGS map enables novel view synthesis and serves as a foundation for a full SLAM system, where its capacity for joint map and pose optimization would offer significant advantages. Our results demonstrate that combining semantic segmentation and dense depth estimation with learned map representations is an effective approach for creating detailed, large-scale maps to support future lunar surface missions.
• Abstract（参考訳）: 月面のナビゲーションとマッピングは、テクスチャの悪い環境、高コントラスト照明、限られた計算資源など、困難な条件下での堅牢な認識を必要とする。 本稿では,高密度知覚モデルと3次元ガウススプラッティング(3DGS)表現を統合したリアルタイムマッピングフレームワークを提案する。 我々はまず,LuPNTシミュレータを用いて生成された合成データセットのいくつかのモデルをベンチマークし,Gated Recurrent Unitsに基づく立体密度深度推定モデルを選択し,その速度と深度推定精度のバランスと,セマンティックセグメントの検出性能に優れた畳み込みニューラルネットワークを選択する。 大域的状態推定から局所的な状況理解を分離するために,地上の真理を用いて約3cmの幾何学的高さ精度で120mの横を再構成し,LiDARを使わずに従来の点雲ベースラインより優れていることを示す。 結果として得られる3DGSマップは、新しいビュー合成を可能にし、完全なSLAMシステムの基盤として機能し、ジョイントマップとポーズ最適化の能力が大きな利点をもたらす。 この結果から, セマンティックセグメンテーションと深度推定を学習地図表現と組み合わせることが, 将来の月面ミッションを支援するための詳細な大規模地図作成に有効な方法であることが示唆された。

関連論文リスト

• PointSLAM++: Robust Dense Neural Gaussian Point Cloud-based SLAM [15.127969048723408]
  現在の同時ローカライゼーションとマッピング(SLAM)アプローチは、奥行き雑音の存在下で構造的一貫性とロバストなポーズ推定を維持するのにしばしば苦労する。 この研究は、構造的関係を維持するために階層的に制約されたニューラルガウス表現を利用する新しいRGB-D SLAMシステムであるPointSLAM++を紹介する。 また、深度センサノイズを軽減するためにプログレッシブポーズ最適化を採用し、局所化精度を大幅に向上させた。
  論文  参考訳（メタデータ） (2026-01-10T04:12:13Z)
• 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)
• A large-scale, physically-based synthetic dataset for satellite pose estimation [0.0]
  本稿では,ハッブル宇宙望遠鏡(HST)を対象とするDLVS3-HST-V1データセットについて述べる。 データセットは、高度なリアルタイムおよびオフラインレンダリング技術を使用して生成され、高忠実度3Dモデル、ダイナミックライティング、物理的に正確な材料特性を統合する。 このパイプラインは、6-DoFのポーズとキーポイントデータ、セマンティックセグメンテーション、深さ、正規マップを備えた大規模でリッチな注釈付きイメージセットの作成をサポートする。
  論文  参考訳（メタデータ） (2025-06-15T09:24:32Z)
• DepthSplat: Connecting Gaussian Splatting and Depth [90.06180236292866]
  ガウススプラッティングと深さ推定を結合するDepthSplatを提案する。 ガウススプラッティングは、強力な深度モデルを学ぶための教師なし事前学習の目的として機能することを示す。 我々のDepthSplatは、ScanNet、RealEstate10K、DL3DVデータセットの最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-10-17T17:59:58Z)
• 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)
• MGS-SLAM: Monocular Sparse Tracking and Gaussian Mapping with Depth Smooth Regularization [29.713650915551632]
  本稿では,ガウススプラッティングに基づく濃密な視覚的局所化とマッピングのための新しいフレームワークを紹介する。 疎視度追跡と3次元ガウススプラッティングのシーン表現を初めて共同で最適化する。 ポーズ推定の精度は既存の手法や最先端の手法を超越している。
  論文  参考訳（メタデータ） (2024-05-10T04:42:21Z)
• TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view Stereo [55.30992853477754]
  本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。 ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。 TANDEMは最先端のリアルタイム3D再構成性能を示す。
  論文  参考訳（メタデータ） (2021-11-14T19:01:02Z)
• OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
  超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。 より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。 我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
  論文  参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。