論文の概要: Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM
- arxiv url: http://arxiv.org/abs/2604.22339v1
- Date: Fri, 24 Apr 2026 08:13:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-27 15:36:26.398918
- Title: Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM
- Title（参考訳）: Flow4DGS-SLAM:光流動誘導4次元ガウス散乱SLAM
- Authors: Yunsong Wang, Gim Hee Lee,
- Abstract要約: 光学的流れによって誘導される動的3DGS SLAMのための効率的なフレームワークを提案する。
動的3DGSのトレーニング速度は,時間中心を明示的にモデル化することで向上する。
その結果, 追跡, 動的再構成, 訓練効率の両立が実証された。
- 参考スコア（独自算出の注目度）: 55.56111618153049
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Handling the dynamic environments is a significant research challenge in Visual Simultaneous Localization and Mapping (SLAM). Recent research combines 3D Gaussian Splatting (3DGS) with SLAM to achieve both robust camera pose estimation and photorealistic renderings. However, using SLAM to efficiently reconstruct both static and dynamic regions remains challenging. In this work, we propose an efficient framework for dynamic 3DGS SLAM guided by optical flow. Using the input depth and prior optical flow, we first propose a category-agnostic motion mask generation strategy by fitting a camera ego-motion model to decompose the optical flow. This module separates dynamic and static Gaussians and simultaneously provides flow-guided camera pose initialization. We boost the training speed of dynamic 3DGS by explicitly modeling their temporal centers at keyframes. These centers are propagated using 3D scene flow priors and are dynamically initialized with an adaptive insertion strategy. Alongside this, we model the temporal opacity and rotation using a Gaussian Mixture Model (GMM) to adaptively learn the complex dynamics. The empirical results demonstrate our state-of-the-art performance in tracking, dynamic reconstruction, and training efficiency.
- Abstract（参考訳）: 動的環境の処理は、視覚的同時局在マッピング(SLAM)において重要な研究課題である。
最近の研究では、3Dガウススティング(3DGS)とSLAMを組み合わせることで、堅牢なカメラポーズ推定とフォトリアリスティックレンダリングの両方を実現している。
しかし,静的領域と動的領域の両方をSLAMで効率的に再構築することは依然として困難である。
本研究では,光学的流れによって誘導される動的3DGS SLAMのための効率的なフレームワークを提案する。
入力深度と先行光学フローを用いて,まず,光学フローを分解するためにカメラエゴモーションモデルを適用することで,カテゴリに依存しないモーションマスク生成戦略を提案する。
このモジュールは動的および静的なガウスアンを分離し、同時にフロー誘導カメラのポーズ初期化を提供する。
キーフレームにおける時間中心を明示的にモデル化することで,動的3DGSのトレーニング速度を向上する。
これらの中心は3次元シーンフロー前処理を用いて伝播し、適応的な挿入戦略で動的に初期化される。
これに加えて、ガウス混合モデル(GMM)を用いて時間的不透明度と回転をモデル化し、複素力学を適応的に学習する。
その結果, 追跡, 動的再構成, 訓練効率の両立が実証された。
関連論文リスト
- GGD-SLAM: Monocular 3DGS SLAM Powered by Generalizable Motion Model for Dynamic Environments [7.864663125771112]
GGD-SLAMは、動的環境における局所化と高密度マッピングの課題に対処するために、一般化可能な運動モデルを利用するフレームワークである。
静的コンポーネントと動的コンポーネントを分離するために、動的機能拡張器と統合されている。
実世界の動的データセットを用いた実験により,カメラポーズ推定と動的シーンの高密度再構成において,提案方式が最先端の性能を達成することを示した。
論文 参考訳（メタデータ） (2026-04-14T14:58:11Z) - FastPhysGS: Accelerating Physics-based Dynamic 3DGS Simulation via Interior Completion and Adaptive Optimization [56.17833729527066]
我々は物理に基づく動的3DGSシミュレーションのためのフレームワークであるFastPhysGSを提案する。
FastPhysGSは、わずか7GBのランタイムメモリを使用して、1分で高忠実度物理シミュレーションを実現する。
論文 参考訳（メタデータ） (2026-02-02T07:00:42Z) - VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。
堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。
本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
論文 参考訳（メタデータ） (2025-12-02T00:19:13Z) - 4D3R: Motion-Aware Neural Reconstruction and Rendering of Dynamic Scenes from Monocular Videos [52.89084603734664]
静的および動的コンポーネントを2段階のアプローチで分離する,ポーズフリーな動的ニューラルネットワークレンダリングフレームワークである4D3Rを提案する。
提案手法は最先端手法よりも最大1.8dBPSNRの改善を実現する。
論文 参考訳（メタデータ） (2025-11-07T13:25:50Z) - Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。
本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
論文 参考訳（メタデータ） (2025-08-07T01:39:29Z) - Embracing Dynamics: Dynamics-aware 4D Gaussian Splatting SLAM [0.0]
D4DGS-SLAMは動的環境に対する4DGSマップ表現に基づく最初のSLAM法である。
提案手法は,カメラのポーズトラッキングとマップの品質の両方において,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-04-07T08:56:35Z) - Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。
本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。
提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-11-25T08:23:38Z) - Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。
具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。
より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
論文 参考訳（メタデータ） (2024-03-18T03:46:26Z)
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。