論文の概要: DL-SLAM: Enabling High-Fidelity Gaussian Splatting SLAM in Dynamic Environments based on Dual-Level Probability

• arxiv url: http://arxiv.org/abs/2607.01860v2
• Date: Fri, 03 Jul 2026 00:43:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 13:04:58.51614
• Title: DL-SLAM: Enabling High-Fidelity Gaussian Splatting SLAM in Dynamic Environments based on Dual-Level Probability
• Title（参考訳）: DL-SLAM:デュアルレベル確率に基づく動的環境における高忠実ガウス平滑化SLAMの実現
• Authors: Ziheng Xu, Qingfeng Li, Xuefeng Liu, Chen Chen, Jianwei Niu,
• Abstract要約: 本稿では,新しい二重レベル確率的フレームワーク上に構築された単分子ガウス平板SLAMシステムであるDL-SLAMを提案する。 本手法は,意味情報と幾何学的情報を組み合わせて動的確率マップを計算する。 その結果,DL-SLAMは既存の手法よりも優れ,トラッキング精度は最大13%向上した。
• 参考スコア（独自算出の注目度）: 17.588918897432304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in 3D Gaussian Splatting (3DGS) have enabled significant progress in dense dynamic Simultaneous Localization And Mapping (SLAM). Prevailing methods typically discard predefined dynamic objects, ignoring that transiently static objects offer valuable geometric constraints for pose estimation. A recent work attempts to leverage this potential by employing per-pixel uncertainty maps to quantify the magnitude of motion. While this approach enables transiently static objects to enhance pose estimation, it erroneously integrates these objects into the static map, resulting in persistent artifacts. Moreover, its reliance on purely geometric information leads to ambiguous object boundaries in the uncertainty maps. To overcome these limitations, we present DL-SLAM, a monocular Gaussian Splatting SLAM system built upon a novel dual-level probabilistic framework. Our method computes dynamic probability maps by combining semantic and geometric information. These pixel-level probabilities are lifted to 3D and aggregated to derive an object-level dynamic probability for each instance. Object-level probability enables the categorical pruning of dynamic Gaussians, resulting in an artifact-free static map. The static map, in turn, provides a geometrically consistent guidance to refine the pixel-wise probabilities, enhancing their reliability. Experimental results demonstrate that DL-SLAM outperforms existing approaches, improving tracking accuracy by up to 13\% while generating high-fidelity semantic maps.
• Abstract（参考訳）: 近年の3Dガウススプラッティング(3DGS)の進歩は、高密度な動的局在とマッピング(SLAM)において大きな進歩をもたらした。 一般的なメソッドは定義済みの動的オブジェクトを破棄し、過渡的に静的なオブジェクトがポーズ推定に貴重な幾何学的制約を提供することを無視する。 近年の研究では、ピクセルごとの不確実性マップを用いて、動きの大きさを定量化することで、このポテンシャルを活用しようとしている。 このアプローチでは、過渡的に静的なオブジェクトがポーズ推定を強化できますが、これらのオブジェクトを静的マップに誤って統合することで、永続的なアーティファクトが発生します。 さらに、その純幾何学的情報への依存は、不確実性写像における曖昧な対象の境界につながる。 これらの制約を克服するために,新しい二重レベル確率的フレームワーク上に構築された単分子ガウス格子SLAMシステムであるDL-SLAMを提案する。 本手法は,意味情報と幾何学的情報を組み合わせて動的確率マップを計算する。 これらのピクセルレベルの確率は3Dに上げられ、各インスタンスのオブジェクトレベルの動的確率を導出するために集約される。 対象レベルの確率は、動的ガウスのカテゴリー的プルーニングを可能にし、成果物のない静的写像をもたらす。 静的マップは、幾何的に一貫したガイダンスを提供し、ピクセルワイズ確率を洗練させ、信頼性を高める。 実験結果から,DL-SLAMは既存の手法よりも優れており,高忠実度セマンティックマップを生成するとともに,トラッキング精度を最大13倍向上することが示された。

関連論文リスト

• A Stereo Visual SLAM System Using Object-Level Motion Estimation and Geometric Filtering Based on Cross Disparity [0.0]
  OCD SLAMはORB-SLAM2を拡張する動的ステレオビジュアルSLAMフレームワークである。 OCD SLAMは3Dオブジェクト検出モジュール(SMOKE)とカルマンフィルタに基づくオブジェクトトラッキングを統合し、オブジェクトレベルの動作分類を行う。 その結果, OCD SLAM は ORB-SLAM2 およびいくつかの最先端動的SLAM 法と比較して軌道精度を著しく向上することを示した。
  論文  参考訳（メタデータ） (2026-07-02T10:41:10Z)
• 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)
• 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)
• WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments [48.51530726697405]
  WildGS-SLAMは、動的環境を扱うために設計された、堅牢で効率的な単分子RGB SLAMシステムである。 本研究では,浅い多層パーセプトロンとDINOv2の特徴によって予測される不確実性マップを導入し,追跡とマッピングの両方において動的物体除去を誘導する。 その結果,WildGS-SLAMの動的環境における性能は最先端の手法に比べて優れていた。
  論文  参考訳（メタデータ） (2025-04-04T19:19:40Z)
• UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
  UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。 動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。 提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-12-04T16:59:49Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)
• GIC: Gaussian-Informed Continuum for Physical Property Identification and Simulation [60.33467489955188]
  本稿では,視覚的観察を通して物理特性(システム同定)を推定する問題について検討する。 物理特性推定における幾何学的ガイダンスを容易にするために,我々は新しいハイブリッドフレームワークを提案する。 本研究では,3次元ガウス点集合としてオブジェクトを復元する動き分解に基づく動的3次元ガウスフレームワークを提案する。 抽出された物体表面に加えて、ガウスインフォームド連続体はシミュレーション中の物体マスクのレンダリングを可能にする。
  論文  参考訳（メタデータ） (2024-06-21T07:37:17Z)
• 3DS-SLAM: A 3D Object Detection based Semantic SLAM towards Dynamic Indoor Environments [1.4901625182926226]
  3DS-SLAM, 3D Semantic SLAMを導入する。 3DS-SLAMは、意味的制約と幾何学的制約の両方を逐次解決する密結合アルゴリズムである。 TUM RGB-Dデータセットの動的シーケンスを平均98.01%改善している。
  論文  参考訳（メタデータ） (2023-10-10T07:48:40Z)

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。