論文の概要: MMD-SLAM: Structure-Enhanced Multi-Meta Gaussian Distribution-Guided Visual SLAM

• arxiv url: http://arxiv.org/abs/2606.19874v1
• Date: Thu, 18 Jun 2026 07:33:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.700145
• Title: MMD-SLAM: Structure-Enhanced Multi-Meta Gaussian Distribution-Guided Visual SLAM
• Title（参考訳）: MMD-SLAM:構造強化マルチメタガウス分布誘導ビジュアルSLAM
• Authors: Fan Zhu, Ziyu Chen, Peichen Liu, Yifan Zhao, Zhisong Xu, Hui Zhu, Hongxing Zhou, Sixun Liu, Chunmao Jiang,
• Abstract要約: MMD-SLAMは構造強化されたVisual SLAMフレームワークであり、マッピングのためのマルチメタガウス表現をガイドする。 ポーズ最適化のための点線融合戦略を導入し,ロバスト性向上のために3次元線分を組み込んだ。 本研究では,シーン形状に適応し,構造的手がかりをグローバルな最適化に組み込むガウス進化戦略を提案する。
• 参考スコア（独自算出の注目度）: 14.430039318553733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has significantly boosted novel view synthesis and high-fidelity scene reconstruction, expanding the potential of 3DGS-based Visual Simultaneous Localization and Mapping (SLAM) methods. However, most existing systems fail to fully exploit the underlying structural information, which limits rendering quality and often leads to inconsistent maps. To address these limitations, we propose MMD-SLAM, a structure-enhanced Visual SLAM framework that leverages the Atlanta World (AW) assumption to guide a Multi-Meta Gaussian representation for photorealistic mapping. First, we introduce a point-line fusion strategy for pose optimization, where 3D line segments are incorporated to improve tracking robustness and provide additional constraints for mapping. Second, we design a Multi-Meta Gaussian representation with dominant directions, explicitly encoding structural priors from the AW hypothesis. Finally, we propose a Gaussian evolution strategy that adapts to scene geometry and incorporates structural cues into global optimization. Extensive experiments demonstrate that these innovations enable MMD-SLAM to achieve state-of-the-art performance in both tracking accuracy and mapping quality. e.g., our method achieves a 48.56% reduction in ATE RMSE on ScanNet and a 5.71% improvement in PSNR on Replica, compared with MonoGS.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、新しいビュー合成と高忠実なシーン再構成を著しく促進し、3DGSベースの視覚同時局在マッピング(SLAM)法の可能性を拡大した。 しかし、既存のシステムのほとんどは、レンダリングの品質を制限し、しばしば一貫性のないマップにつながる、基盤となる構造情報を十分に活用することができない。 これらの制約に対処するため,アトランタ・ワールド (AW) の仮定を利用した構造強化 Visual SLAM フレームワーク MMD-SLAM を提案する。 まず、ポーズ最適化のための点線融合戦略を導入し、3次元線分を組み込み、ロバスト性の向上とマッピングのための追加制約を提供する。 第2に、AW仮説から構造的先行を明示的に符号化し、支配的な方向を持つマルチメタガウス表現を設計する。 最後に、シーン幾何学に適応し、構造的手がかりをグローバルな最適化に組み込むガウス進化戦略を提案する。 大規模な実験により、MDD-SLAMは追跡精度とマッピング品質の両方において最先端の性能を達成することができることが示された。 提案手法は,ScanNet上でのATE RMSEの48.56%削減,Replica上でのPSNRの5.71%改善を実現している。

関連論文リスト

• SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
  SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。 SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
  論文  参考訳（メタデータ） (2025-11-21T12:40:55Z)
• SplatMAP: Online Dense Monocular SLAM with 3D Gaussian Splatting [7.2305711760924085]
  本稿では,高忠実度3DGSに高密度SLAMを組み込むことにより,リアルタイム・高密度化を実現するフレームワークを提案する。 本手法では,SLAMから高密度点雲を利用することにより,ガウスモデルを動的に更新・密度化するSLAM-Informed Adaptive Densificationを導入する。 ReplicaとTUM-RGBDデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2025-01-13T02:28:13Z)
• SEGS-SLAM: Structure-enhanced 3D Gaussian Splatting SLAM with Appearance Embedding [11.512986158947733]
  3次元ガウススプラッティング(3D-GS)は、最近、同時局在化とマッピング問題において、新しいビュー合成に革命をもたらした。 本稿では,高品質な光写実性マッピングを実現する3次元ガウス散乱SLAMのSEGS-SLAMを提案する。
  論文  参考訳（メタデータ） (2025-01-09T13:50:26Z)
• Multi-viewregulated gaussian splatting for novel view synthesis [9.89790212365555]
  ボリュームレンダリングにおける最近の研究、例えばNeRFや3D Gaussian Splatting (3DGS)は、レンダリング品質と効率を大幅に向上させた。 4つの重要な貢献を具現化した新しい3DGS最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-10-02T23:48:31Z)
• 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)
• SGS-SLAM: Semantic Gaussian Splatting For Neural Dense SLAM [5.144010652281121]
  SGS-SLAMはSplattingに基づく最初の意味的視覚的SLAMシステムである。 外観幾何学とマルチチャネル最適化による意味的特徴は、ニューラル暗黙のSLAMシステムの過度な制限に対処する。 カメラポーズ推定、マップ再構成、正確なセマンティックセグメンテーション、およびオブジェクトレベルの幾何精度において最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-02-05T18:03:53Z)
• 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。