論文の概要: Spectral GS-SLAM: Observability-Aware, Degeneracy-Robust Tracking for Real-Time 3D Gaussian Splatting SLAM
- arxiv url: http://arxiv.org/abs/2606.21258v1
- Date: Fri, 19 Jun 2026 09:33:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 07:01:14.411731
- Title: Spectral GS-SLAM: Observability-Aware, Degeneracy-Robust Tracking for Real-Time 3D Gaussian Splatting SLAM
- Title（参考訳）: スペクトルGS-SLAM:リアルタイム3次元ガウス散乱SLAMのための可観測性認識・縮退性追跡
- Authors: Edward Beng Wai Tan, Siew-Kei Lam, Dongshuo Zhang,
- Abstract要約: 3DGS-SLAMシステムは,従来の特徴マッチングやICPベースのトラッキングを活用することで,リアルタイムな操作を可能にする。
ICPベースのトラッキングは、不調な最適化のため、構造的または幾何学的に退化したシーンで苦労する。
提案するSpectral GS-SLAMは,ICPと相補的特徴ベース制約を統合した,効率的かつ堅牢な追跡フレームワークである。
- 参考スコア（独自算出の注目度）: 12.225396339039648
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent 3DGS-SLAM systems enable real-time operation by leveraging conventional feature matching or ICP-based tracking, thereby avoiding the heavy dense photometric optimization used in earlier approaches. However, feature matching remains prone to failure in textureless environments, while ICP-based tracking struggles in structureless or geometrically degenerate scenes due to ill-conditioned optimization. To address this issue, we propose Spectral GS-SLAM, an efficient yet robust tracking framework that integrates ICP with complementary feature-based constraints. Our method mitigates numerical instability by adaptively compensating under-constrained directions in degenerate scenarios, without interfering with the shared Gaussian representation used for mapping. We further introduce a Gaussian-aware planarity weighting mechanism that exploits the intrinsic covariance structure of 3D Gaussians to characterize scene geometry and guide information fusion. Extensive evaluations on challenging TUM RGB-D sequences demonstrate that Spectral GS-SLAM achieves real-time performance (40.14 FPS) while maintaining consistent tracking in both structureless and featureless environments. The proposed method preserves trajectory integrity in degenerate scenes while maintaining competitive performance in non-adverse conditions.
- Abstract（参考訳）: 近年の3DGS-SLAMシステムでは,従来の特徴マッチングやICPベースのトラッキングを活用することで,従来手法の高密度光度最適化を回避することで,リアルタイムな操作が可能になっている。
しかし、テクスチャレス環境では特徴マッチングが失敗する傾向にあり、ICPベースのトラッキングは不条件の最適化のため、無構造または幾何学的に退化したシーンで苦労する。
この問題に対処するため,提案するSpectral GS-SLAMは,ICPと相補的な特徴ベースの制約を統合する,効率的かつ堅牢な追跡フレームワークである。
本手法は,デジェネレーションシナリオにおける制約下方向を適応的に補償することで数値不安定性を軽減し,マッピングに使用する共有ガウス表現に干渉しない。
さらに,3次元ガウスの内在的共分散構造を利用してシーン幾何学と案内情報融合を特徴付けるガウス対応平面重み付け機構を導入する。
挑戦的なTUM RGB-Dシークエンスに対する広範囲な評価は、Spectral GS-SLAMがリアルタイムのパフォーマンス(40.14 FPS)を実現し、無構造環境と無機能環境の両方で一貫したトラッキングを維持していることを示している。
提案手法は,非逆条件下での競合性能を維持しつつ,縮退シーンにおける軌道の整合性を維持する。
関連論文リスト
- RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM [19.6725809458616]
実時間ポーズ推定とマッピングのための密結合型LiDAR-Inertial-Visual 3DGSベースのSLAMフレームワークを提案する。
提案手法は, リアルタイムの効率, ローカライズ精度, レンダリング品質において, 様々な実世界のシーンにまたがる品質を実現する。
論文 参考訳（メタデータ） (2026-04-14T16:36:11Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - MipSLAM: Alias-Free Gaussian Splatting SLAM [40.971343082631485]
MipSLAM は周波数対応の 3D Gaussian Splatting (3DGS) SLAM フレームワークである。
EAAアルゴリズムは幾何対応の数値積分によりガウスの寄与を近似する。
SA-PGOモジュールは周波数領域における軌道推定を再構成する。
論文 参考訳（メタデータ） (2026-03-07T02:20:12Z) - ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。
ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。
Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
論文 参考訳（メタデータ） (2026-02-10T20:44:43Z) - TVG-SLAM: Robust Gaussian Splatting SLAM with Tri-view Geometric Constraints [22.121665995381324]
TVG-SLAMはRGBのみの堅牢な3DGS SLAMシステムである。
本手法はロバスト性を向上し,平均的絶対軌道誤差(ATE)を69.0%削減し,最先端のレンダリング品質を実現する。
論文 参考訳（メタデータ） (2025-06-29T12:31:05Z) - UP-SLAM: Adaptively Structured Gaussian SLAM with Uncertainty Prediction in Dynamic Environments [1.4117999181375773]
UP-SLAMは動的環境のためのリアルタイムRGB-D SLAMシステムである。
並列化フレームワークを通じて追跡とマッピングを分離する。
実験により、ローカライズ精度とレンダリング品質の両方において最先端の手法より優れていることが示唆された。
論文 参考訳（メタデータ） (2025-05-28T13:23:16Z) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z)
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。