論文の概要: VBGS-SLAM: Variational Bayesian Gaussian Splatting Simultaneous Localization and Mapping
- arxiv url: http://arxiv.org/abs/2604.02696v1
- Date: Fri, 03 Apr 2026 03:44:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.310434
- Title: VBGS-SLAM: Variational Bayesian Gaussian Splatting Simultaneous Localization and Mapping
- Title（参考訳）: VBGS-SLAM: 変分ベイズガウススプレイティング 同時局在とマッピング
- Authors: Yuhan Zhu, Yanyu Zhang, Jie Xu, Wei Ren,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.158238000818288
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) has shown promising results for 3D scene modeling using mixtures of Gaussians, yet its existing simultaneous localization and mapping (SLAM) variants typically rely on direct, deterministic pose optimization against the splat map, making them sensitive to initialization and susceptible to catastrophic forgetting as map evolves. We propose Variational Bayesian Gaussian Splatting SLAM (VBGS-SLAM), a novel framework that couples the splat map refinement and camera pose tracking in a generative probabilistic form. By leveraging conjugate properties of multivariate Gaussians and variational inference, our method admits efficient closed-form updates and explicitly maintains posterior uncertainty over both poses and scene parameters. This uncertainty-aware method mitigates drift and enhances robustness in challenging conditions, while preserving the efficiency and rendering quality of existing 3DGS. Our experiments demonstrate superior tracking performance and robustness in long sequence prediction, alongside efficient, high-quality novel view synthesis across diverse synthetic and real-world scenes.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) はガウスの混合を用いた3次元シーンモデリングの有望な結果を示しているが、既存のSLAMの変種はスプレートマップに対する直接的決定論的ポーズ最適化に依存しており、初期化に敏感であり、地図が進化するにつれて破滅的な忘れがちになる。
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・スティングSLAM(VBGS-SLAM)を提案する。
多変量ガウスの共役特性と変分推論を利用して、効率的なクローズドフォーム更新を認め、ポーズパラメータとシーンパラメータの両方に対する後続不確かさを明示的に維持する。
この不確実性認識手法は、既存の3DGSの効率性とレンダリング品質を保ちながら、ドリフトを軽減し、挑戦条件での堅牢性を高める。
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。
関連論文リスト
- GS3LAM: Gaussian Semantic Splatting SLAM [12.867211140172005]
本稿では,マルチモーダルデータを処理するフレームワークであるGS3LAMを提案し,一貫した高密度セマンティックマップをリアルタイムにレンダリングする。
スケール不変ガウスと幾何学的曲面の相違を解決するために、深さ適応スケール正規化スキームが導入された。
ベンチマークデータセットの実験では、GS3LAMはトラッキングの向上、レンダリング品質の向上、セマンティック精度の向上を実現している。
論文 参考訳（メタデータ） (2026-03-29T17:25:18Z) - VarSplat: Uncertainty-aware 3D Gaussian Splatting for Robust RGB-D SLAM [2.5823344978857388]
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。
論文 参考訳（メタデータ） (2026-03-10T13:42:58Z) - GDGS: 3D Gaussian Splatting Via Geometry-Guided Initialization And Dynamic Density Control [6.91367883100748]
Gaussian Splattingは、リアルタイムのパフォーマンスをサポートしながら、リアルな画像をレンダリングする代替手段である。
本稿では,初期化,最適化,密度制御における課題に対処するため,3次元ガウス分割法(3DGS)citeKerbl2023を提案する。
提案手法は,高忠実度画像をリアルタイムにレンダリングすることで,最先端の手法に匹敵する,あるいは優れた結果を示す。
論文 参考訳（メタデータ） (2025-07-01T01:29:31Z) - 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) - Variational Bayes Gaussian Splatting [42.22552326289562]
3Dガウシアン・スプラッティングはガウシアンの混合物を用いて3Dシーンをモデル化するための有望なアプローチとして登場した。
本稿では,モデルパラメータに対する変分推論としてガウススプレートをトレーニングするための新しい手法である変分ベイズ・ガウス・スプラッティングを提案する。
実験の結果,VBGSは静的データセット上での最先端性能だけでなく,逐次ストリームされた2Dおよび3Dデータからの連続的な学習も可能であった。
論文 参考訳（メタデータ） (2024-10-04T16:52:03Z) - 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。