論文の概要: Robust and Efficient Monocular 3D Gaussian SLAM for Kilometer-Scale Outdoor Scenes
- arxiv url: http://arxiv.org/abs/2606.30436v1
- Date: Mon, 29 Jun 2026 15:12:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.297535
- Title: Robust and Efficient Monocular 3D Gaussian SLAM for Kilometer-Scale Outdoor Scenes
- Title（参考訳）: キロメータースケール屋外シーンのためのロバストで高効率な単分子3次元ガウスSLAM
- Abstract要約: KiloGS-SLAMは高効率で頑丈な単分子トリガー3DSLAMシステムである。
提案手法は,最先端のトラッキング精度とレンダリング品質を実現し,単一のGPU上で1万フレームを超えるシーケンスへのスケールアップに成功した。
- 参考スコア（独自算出の注目度）: 6.445070918236315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scaling monocular 3D Gaussian Splatting (3DGS) SLAM to kilometer-level outdoor environments poses two tightly coupled challenges: fragile long-term pose tracking and excessive memory overhead during large-scale mapping. In this paper, we propose KiloGS-SLAM, a highly efficient and robust monocular 3DGS-SLAM system that jointly addresses both bottlenecks. Since high-fidelity scene reconstruction fundamentally relies on drift-free camera poses, we first introduce a motion-adaptive hybrid tracking module. This module features a condition-triggered three-tier solving pipeline. It dynamically switches between Essential matrix and PnP models to handle geometric degeneracies. An on-demand foundation model can also be activated to rescue the trajectory from catastrophic drift. To ensure the system can sustain these long trajectories without memory exhaustion, we subsequently design a lifecycle-managed Gaussian mapping strategy. By integrating probabilistic initialization with chunk-based multi-view densification and pruning, this full-pipeline optimization effectively reduces primitive redundancy while preserving high-frequency details. Together, the robust tracking guarantees the geometric foundation required for accurate mapping, while the memory-efficient lifecycle-managed mapping enables large-scale operation. Extensive experiments across three challenging outdoor datasets demonstrate that our approach achieves state-of-the-art tracking accuracy and rendering quality, successfully scaling to sequences of over 10,000 frames on a single GPU.
- Abstract（参考訳）: モノクラー3Dガウススプラッティング(3DGS)SLAMをキロレベルの屋外環境にスケーリングすることは、脆弱な長期ポーズトラッキングと大規模マッピング時の過剰なメモリオーバーヘッドという2つの密結合した課題をもたらす。
本稿では,両ボトルネックを両立させる高効率で堅牢な単分子3DGS-SLAMシステムであるKiloGS-SLAMを提案する。
高忠実度シーン再構築は基本的にドリフトレスカメラのポーズに依存しているため、まずモーション適応型ハイブリッドトラッキングモジュールを導入する。
このモジュールは条件付き3層解決パイプラインを備えている。
Essential行列とPnPモデルの間で動的に切り替え、幾何学的退化を扱う。
オンデマンド基盤モデルも活性化され、破滅的な漂流から軌道を救える。
ライフサイクル管理型ガウス写像を設計した。
確率的初期化とチャンクベースのマルチビューデンシフィケーションとプルーニングを統合することにより、この全パイプ最適化は、高周波の詳細を保存しながらプリミティブ冗長性を効果的に低減する。
頑健な追跡によって正確なマッピングに必要な幾何学的基礎が保証され、メモリ効率の高いライフサイクル管理型マッピングは大規模な操作を可能にする。
3つの挑戦的な屋外データセットにわたる大規模な実験により、我々のアプローチは最先端のトラッキング精度とレンダリング品質を実現し、1つのGPU上で10,000フレームを超えるシーケンスにスケールすることに成功した。
関連論文リスト
- EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
論文 参考訳（メタデータ） (2026-08-09T09:00:30Z) - PRISM3D: Probabilistic Refinement and Robust Initialization for Physically Consistent Scene Modeling under Extreme Motion Blur [9.855875137621622]
近赤外画像からの視覚的3次元シーン再構成の逆問題に対処する。
既存のアプローチでは、非現実的なシャープイメージの監視に頼ることで、このボトルネックを回避するのが一般的である。
PRISM3Dは、高度に劣化した入力から直接堅牢な再構築を可能にする統一的なフレームワークである。
論文 参考訳（メタデータ） (2026-07-04T12:45:11Z) - ReefMapGS: Enabling Large-Scale Underwater Reconstruction by Closing the Loop Between Multimodal SLAM and Gaussian Splatting [9.554102334590365]
本稿では,3DGSをベースとした逐次再構築フレームワークReefMapGSを提案する。
複雑な地形を持つ2つの海底礁のCOLMAPフリーな3次元再構築と,700m以上の調査軌道上でのAUVのより正確なグローバルなポーズ推定について述べる。
論文 参考訳（メタデータ） (2026-04-13T19:32:53Z) - Ψ-Map: Panoptic Surface Integrated Mapping Enables Real2Sim Transfer [24.777932568749446]
幾何学的強化, エンドツーエンドの汎光学学習, 効率的なレンダリングを統合した包括的フレームワークを提案する。
提案システムは,40FPSを超える推論率を維持しながら,大規模シーンにおいて優れた幾何学的・パノプティックな再現性を実現する。
論文 参考訳（メタデータ） (2026-04-13T04:41:00Z) - GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。
提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。
GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-10-16T03:38:26Z) - MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。
マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。
合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
論文 参考訳（メタデータ） (2025-09-17T17:27:53Z) - 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) - Outdoor Monocular SLAM with Global Scale-Consistent 3D Gaussian Pointmaps [13.325879149065008]
3D Gaussian Splatting (3DGS) は、高忠実性合成とリアルタイムな新規ビュー性能によりSLAMにおいて一般的なソリューションとなっている。
以前の3DGS SLAM法では、屋外のシーンに幾何学的な先行性がないため、追跡に微分可能なレンダリングパイプラインを使用していた。
技術的には、3DGSポイントマップに固定された自己整合性トラッキングモジュールを構築し、累積スケールドリフトを回避し、より正確でロバストなトラッキングを実現する。
論文 参考訳（メタデータ） (2025-07-04T17:56:43Z) - LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。
カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。
本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-05-29T06:50:57Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - Gaussian Splatting SLAM [16.3858380078553]
単分子SLAMにおける3次元ガウス散乱の最初の応用について述べる。
我々の方法は3fpsで動作し、正確な追跡、マッピング、高品質なレンダリングに必要な表現を統一する。
ライブカメラから高忠実度で連続的に3Dシーンを再構築するためには、いくつかの革新が必要である。
論文 参考訳（メタデータ） (2023-12-11T18:19:04Z)
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。