論文の概要: Compact Keyframe-Optimized Multi-Agent Gaussian Splatting SLAM

• arxiv url: http://arxiv.org/abs/2604.00804v1
• Date: Wed, 01 Apr 2026 12:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.975743
• Title: Compact Keyframe-Optimized Multi-Agent Gaussian Splatting SLAM
• Title（参考訳）: 小型キーフレーム最適化マルチエージェントガウス平滑化SLAM
• Authors: Monica M. Q. Li, Pierre-Yves Lajoie, Jialiang Liu, Giovanni Beltrame,
• Abstract要約: マルチエージェント3Dマッピングは未知の環境で動作しているロボットチームにとって不可欠だが、密度の高い表現はリアルタイムの交換を妨げる。 本稿では,地図の忠実性を保ちながら通信負荷を低減するマルチエージェント RGB-D Gaussian Splatting SLAM フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.458834881246724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient multi-agent 3D mapping is essential for robotic teams operating in unknown environments, but dense representations hinder real-time exchange over constrained communication links. In multi-agent Simultaneous Localization and Mapping (SLAM), systems typically rely on a centralized server to merge and optimize the local maps produced by individual agents. However, sharing these large map representations, particularly those generated by recent methods such as Gaussian Splatting, becomes a bottleneck in real-world scenarios with limited bandwidth. We present an improved multi-agent RGB-D Gaussian Splatting SLAM framework that reduces communication load while preserving map fidelity. First, we incorporate a compaction step into our SLAM system to remove redundant 3D Gaussians, without degrading the rendering quality. Second, our approach performs centralized loop closure computation without initial guess, operating in two modes: a pure rendered-depth mode that requires no data beyond the 3D Gaussians, and a camera-depth mode that includes lightweight depth images for improved registration accuracy and additional Gaussian pruning. Evaluation on both synthetic and real-world datasets shows up to 85-95\% reduction in transmitted data compared to state-of-the-art approaches in both modes, bringing 3D Gaussian multi-agent SLAM closer to practical deployment in real-world scenarios. Code: https://github.com/lemonci/coko-slam
• Abstract（参考訳）: 未知の環境で動作しているロボットチームにとって効率的なマルチエージェント3Dマッピングは不可欠であるが、密集した表現は制約された通信リンクに対するリアルタイム交換を妨げる。 マルチエージェント同時局所マッピング(SLAM)では、システムは通常、個々のエージェントが生成するローカルマップをマージし最適化するために集中型サーバに依存している。 しかし、これらの大きな地図表現、特にガウススプラッティングのような最近の手法によって生成されるものを共有することは、帯域幅が限られている現実のシナリオにおいてボトルネックとなる。 本稿では,地図の忠実性を保ちながら通信負荷を低減するマルチエージェント RGB-D Gaussian Splatting SLAM フレームワークを提案する。 まず、レンダリング品質を劣化させることなく、冗長な3Dガウスを除去するために、SLAMシステムにコンパクト化ステップを組み込む。 第2に,本手法では,3次元ガウシアン以上のデータを必要としない純粋な描画深度モードと,登録精度の向上とガウシアンプルーニングのための軽量深度画像を含むカメラ深度モードの2つのモードで,初期推定なしで集中的なループクロージャ計算を行う。 合成と実世界の両方のデータセットの評価は、両方のモードにおける最先端のアプローチと比較して、送信データの最大85～95%の削減を示し、3DガウスのマルチエージェントSLAMを現実のシナリオにおける実践的なデプロイに近づける。 コード:https://github.com/lemonci/coko-slam

関連論文リスト

• MCN-SLAM: Multi-Agent Collaborative Neural SLAM with Hybrid Implicit Neural Scene Representation [51.07118703442774]
  既存のNeRFベースのマルチエージェントSLAMフレームワークは通信帯域幅の制約を満たすことができない。 本稿では,ハイブリッドシーン表現を用いた分散マルチエージェント協調型ニューラルSLAMフレームワークを提案する。 シーン再構成を改善するために, 新規な三面体グリッド共同シーン表現法を提案する。 局所的(単一エージェント)と大域的(複数エージェント)の整合性を実現するために,新しいイントラ・トゥ・インターループ・クロージャ法が設計された。
  論文  参考訳（メタデータ） (2025-06-23T14:22:29Z)
• MAC-Ego3D: Multi-Agent Gaussian Consensus for Real-Time Collaborative Ego-Motion and Photorealistic 3D Reconstruction [7.8809787820112]
  提案するMAC-Ego3Dは,マルチエージェント・ガウス・コンセンサスによるリアルタイム3次元再構成のための新しいフレームワークである。 MAC-Ego3Dは、エージェントが独立してローカルマップを構築し、調整し、反復的に洗練することを可能にする。 推定速度は15倍に向上し, 部分ケースの自我運動推定誤差のオーダー・オブ・マグニチュードが減少し, RGB PSNRは4～10dBとなった。
  論文  参考訳（メタデータ） (2024-12-12T21:04:53Z)
• GSFusion: Online RGB-D Mapping Where Gaussian Splatting Meets TSDF Fusion [12.964675001994124]
  従来の融合アルゴリズムは3次元シーンの空間構造を保存する。 ヴィジュアライゼーションの面では現実主義を欠いていることが多い。 GSFusionはレンダリング品質を犠牲にすることなく計算効率を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-22T18:32:50Z)
• 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)
• 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)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)

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。