論文の概要: VCS-SLAM: Geometry-Validated Semantic Evidence Fusion for 3D Gaussian SLAM
- arxiv url: http://arxiv.org/abs/2606.29494v1
- Date: Sun, 28 Jun 2026 16:48:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.941763
- Title: VCS-SLAM: Geometry-Validated Semantic Evidence Fusion for 3D Gaussian SLAM
- Title（参考訳）: VCS-SLAM:3次元ガウスSLAMのための幾何Validated Semantic Evidence Fusion
- Abstract要約: 本稿では,RGB-D Gaussian SLAMのための幾何学検証型セマンティックエビデンス融合フレームワークVCS-SLAMを提案する。
すべての意味的観察を一様に有効な監視として扱う代わりに、VCS-SLAMは可視性整合性、表面支持境界証拠、線レベルの矛盾不確実性を通じて幾何学的信頼性を評価する。
- 参考スコア（独自算出の注目度）: 9.902564083063973
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Visual SLAM performance often deteriorates in complex real-world applications. Semantic 3D Gaussian SLAM commonly fuses 2D semantic priors into a persistent 3D map using uniform optimization weights. However, such priors are not equally reliable in online mapping: occlusions, unsupported semantic boundaries, and ambiguous ray geometry can introduce persistent semantic artifacts into the global Gaussian map. We propose VCS-SLAM, a geometry-validated semantic evidence fusion framework for RGB-D 3D Gaussian SLAM. Instead of treating all semantic observations as uniformly valid supervision, VCS-SLAM evaluates their geometric reliability through visibility consistency, surface-supported boundary evidence, and ray-level conflict uncertainty. The resulting reliability-aware objective suppresses occluded semantic updates, reduces unsupported semantic bleeding, and delays premature label assignment in ambiguous regions. Experiments on Replica demonstrate improved semantic consistency, boundary preservation, and reconstruction quality. Results on ScanNet further show that VCS-SLAM maintains competitive tracking performance under real RGB-D inputs
- Abstract（参考訳）: 複雑な現実世界のアプリケーションでは、視界SLAMの性能が劣化することが多い。
Semantic 3D Gaussian SLAMは一般に2Dセマンティック先行を均一な最適化重みを使って永続的な3Dマップに融合する。
しかし、そのような先入観はオンラインマッピングでは等しく信頼性がない: 隠蔽、無意味なセマンティック境界、曖昧な線幾何学は、グローバルガウス写像に永続的なセマンティックアーティファクトを導入することができる。
本稿では,RGB-D Gaussian SLAMのための幾何学検証型セマンティックエビデンス融合フレームワークVCS-SLAMを提案する。
すべての意味的観察を一様に有効な監視として扱う代わりに、VCS-SLAMは可視性整合性、表面支持境界証拠、線レベルの矛盾不確実性を通じて幾何学的信頼性を評価する。
結果として生じる信頼性を意識した目的は、隠蔽された意味的更新を抑制し、サポートされない意味的出血を減らし、曖昧な領域における早期ラベルの割り当てを遅らせる。
Replicaの実験では、セマンティック一貫性、境界保存、再構築品質が改善された。
ScanNetの結果はさらに、VCS-SLAMは実際のRGB-D入力下での競合追跡性能を維持していることを示している。
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) - LangGS-SLAM: Real-Time Language-Feature Gaussian Splatting SLAM [2.738569311610586]
RGB-D SLAM システムは低遅延追跡とマッピングを継続しながら,言語対応の高密度特徴場を再構築する。
システムは15FPSで動作しながら、幾何学的のみのベースラインとオフラインアプローチに匹敵する意味的忠実性よりも優れた幾何学的忠実性を実現する。
論文 参考訳（メタデータ） (2026-01-28T05:35:34Z) - 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) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。
このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。
提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
論文 参考訳（メタデータ） (2025-08-06T16:16:58Z) - 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) - GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [17.57215792490409]
GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。
提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。
2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
論文 参考訳（メタデータ） (2025-04-28T01:21:35Z) - PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。
初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
論文 参考訳（メタデータ） (2024-12-31T08:58:10Z) - 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) - UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。
本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-19T16:26:25Z)
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。