論文の概要: WaterSplat-SLAM: Photorealistic Monocular SLAM in Underwater Environment

• arxiv url: http://arxiv.org/abs/2604.04642v1
• Date: Mon, 06 Apr 2026 12:51:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.191248
• Title: WaterSplat-SLAM: Photorealistic Monocular SLAM in Underwater Environment
• Title（参考訳）: WaterSplat-SLAM: 水中環境における光現実性単分子SLAM
• Authors: Kangxu Wang, Shaofeng Zou, Chenxing Jiang, Yixiang Dai, Siang Chen, Shaojie Shen, Guijin Wang,
• Abstract要約: WaterSplat-SLAMは、ロバストポーズ推定とフォトリアリスティックな高密度マッピングを実現する新しい単分子水中SLAMシステムである。 WaterSplat-SLAMは水中環境下でのロバストなカメラトラッキングと高忠実なレンダリングを実現する。
• 参考スコア（独自算出の注目度）: 37.89513268429772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater monocular SLAM is a challenging problem with applications from autonomous underwater vehicles to marine archaeology. However, existing underwater SLAM methods struggle to produce maps with high-fidelity rendering. In this paper, we propose WaterSplat-SLAM, a novel monocular underwater SLAM system that achieves robust pose estimation and photorealistic dense mapping. Specifically, we couple semantic medium filtering into two-view 3D reconstruction prior to enable underwater-adapted camera tracking and depth estimation. Furthermore, we present a semantic-guided rendering and adaptive map management strategy with an online medium-aware Gaussian map, modeling underwater environment in a photorealistic and compact manner. Experiments on multiple underwater datasets demonstrate that WaterSplat-SLAM achieves robust camera tracking and high-fidelity rendering in underwater environments.
• Abstract（参考訳）: 水中単分子SLAMは、自律型水中車両から海洋考古学への応用において難しい問題である。 しかし、既存の水中SLAM法は高忠実度レンダリングで地図を作成するのに苦労している。 本稿では,ロバストポーズ推定とフォトリアリスティックな高密度マッピングを実現する新しい単分子水中SLAMシステムであるWaterSplat-SLAMを提案する。 具体的には、水中適応カメラ追跡と深度推定を可能にするために、セマンティックメディアフィルタリングを2次元再構成に分割する。 さらに,オンライン中型ガウスマップを用いたセマンティック誘導レンダリングと適応地図管理手法を提案し,水中環境をフォトリアリスティックかつコンパクトにモデル化する。 複数の水中データセットの実験では、WaterSplat-SLAMが水中環境で堅牢なカメラ追跡と高忠実なレンダリングを実現することが示されている。

関連論文リスト

• Enhancing Underwater Light Field Images via Global Geometry-aware Diffusion Process [93.00033672476206]
  GeoDiff-LFは、SD-Turbo上に構築された新しい拡散ベースのフレームワークで、水中4次元LFイメージングを強化する。 拡散先行とLF幾何を統合することにより、GeoDiff-LFは水中のシーンにおける色歪みを効果的に緩和する。
  論文  参考訳（メタデータ） (2026-01-29T02:27:22Z)
• SurfSLAM: Sim-to-Real Underwater Stereo Reconstruction For Real-Time SLAM [17.714335268428595]
  水中環境では、画像は光の減衰、視覚的アーティファクト、動的照明条件によって劣化する。 その結果、空気中のデータに基づいてトレーニングされたステレオ推定ネットワークは、水中ドメインに直接転送することはできない。 シミュレーションデータを用いた水中ステレオ異方性推定ネットワークのシミュレートと実時間トレーニングを可能にする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-15T19:25:33Z)
• VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction [2.095709224275874]
  VISOは、ステレオカメラと慣性測定ユニット(IMU)と3Dソナーを融合させる堅牢な水中SLAMシステムである。 我々は,VISOが現在最先端の水中および視覚に基づくSLAMアルゴリズムを,ローカライゼーションの堅牢性と精度の観点から上回っていることを示す。
  論文  参考訳（メタデータ） (2026-01-03T10:18:09Z)
• NAUTILUS: A Large Multimodal Model for Underwater Scene Understanding [60.76337064425815]
  本研究では,水中の自動探査を目的とした水中シーン理解手法について検討する。 NautDataは、8つの水中シーン理解タスクをサポートする1.45Mイメージテキストペアを含むデータセットである。 本稿では,透明な水中情報を明示的に復元するVFEモジュールを提案する。
  論文  参考訳（メタデータ） (2025-10-31T14:00:35Z)
• UWBench: A Comprehensive Vision-Language Benchmark for Underwater Understanding [54.16709436340606]
  視覚言語モデル(VLM)は自然界の理解において顕著な成功を収めた。 水中画像は、厳しい光の減衰、色歪み、懸濁粒子散乱などの固有の課題を呈している。 水中視覚言語理解のためのベンチマークであるUWBenchを紹介する。
  論文  参考訳（メタデータ） (2025-10-21T03:32:15Z)
• Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset [76.92197418745822]
  カモフラージュされたインスタンスセグメンテーション(CIS)は、周囲と密接に融合したオブジェクトを正確にセグメンテーションする際の大きな課題に直面します。 従来のカモフラージュされたインスタンスセグメンテーション法は、水中のサンプルが限られている地球上で支配的なデータセットに基づいて訓練されており、水中のシーンでは不十分な性能を示す可能性がある。 本研究は,海中カモフラージュされた海洋生物の3,953枚の画像とインスタンスレベルのアノテーションを含む,最初の水中カモフラージュされたインスタンスセグメンテーションデータセットUCIS4Kを紹介する。
  論文  参考訳（メタデータ） (2025-10-20T14:34:51Z)
• DUViN: Diffusion-Based Underwater Visual Navigation via Knowledge-Transferred Depth Features [47.88998580611257]
  本研究では,知識伝達深度特性を用いた拡散型水中ビジュアルナビゲーションポリシーDUViNを提案する。 DuViNは、事前に構築された地図に頼ることなく、障害物を回避し、地形に対して安全かつ認識の高い高度を維持するよう車両を誘導する。 シミュレーションおよび実世界の水中環境における実験は、我々のアプローチの有効性と一般化を実証している。
  論文  参考訳（メタデータ） (2025-09-03T03:43:12Z)
• TUGS: Physics-based Compact Representation of Underwater Scenes by Tensorized Gaussian [6.819210285113731]
  水中ガウススティング(TUGS)は、物体と水媒体の複雑な相互作用のモデリング課題を効果的に解決することができる。 水中用に設計された他のNeRFおよびGSベースの方法と比較して、TUGSは高速なレンダリング速度とメモリ使用量の削減で高品質な水中画像をレンダリングすることができる。
  論文  参考訳（メタデータ） (2025-05-12T07:09:35Z)
• Design, Implementation and Evaluation of an External Pose-Tracking System for Underwater Cameras [0.0]
  本稿では,水中カメラのポーズをリアルタイムで判定する外部基準システムの概念,校正,実装について述べる。 このアプローチは、HTC Viveのトラッキングシステムに基づくもので、水中カメラのポーズを、タンクの水面上で追跡された2つのコントローラーのポーズを融合させて計算する。
  論文  参考訳（メタデータ） (2023-05-07T09:15:47Z)

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。