論文の概要: GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM
- arxiv url: http://arxiv.org/abs/2607.07452v1
- Date: Wed, 08 Jul 2026 14:22:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.404919
- Title: GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM
- Title（参考訳）: GeoGS-SLAM:Dense Monocular SLAMのための幾何学のみのガウススプレイティング
- Abstract要約: 既存の3DGSフレームワークは外観モデリングと幾何学モデリングの両方に焦点を当てている。
本研究では,シーン形状を直接再構成するGeoGS(Geometry-only Gaussian Splatting)を提案する。
GeoGSは、プリミティブ単位のパラメータ数を80%以上削減するために、空間パラメータのみを保持する。
- 参考スコア（独自算出の注目度）: 6.344587694040345
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Dense visual SLAM is a fundamental problem in robotics. Recent advances in 3DGS have demonstrated its potential for dense SLAM. Existing 3DGS frameworks focus on both appearance and geometry modeling. However, scene geometry is typically more critical for SLAM than novel view synthesis because downstream robotic tasks, such as navigation and obstacle avoidance, rely primarily on accurate spatial geometry rather than photorealistic rendering. This observation raises a natural question: Is it feasible for 3DGS to perform 3D reconstruction without scene appearance modeling? Motivated by this, we propose Geometry-only Gaussian Splatting (GeoGS), which directly reconstructs scene geometry, and further present GeoGS-SLAM, a dense visual SLAM system built upon this representation. Specifically, GeoGS retains only spatial parameters to reduce the number of per-primitive parameters by over 80%. In contrast to existing 3DGS methods, GeoGS focuses solely on geometric reconstruction, which significantly reduces the number of Gaussian primitives, accelerates geometric convergence, and enhances robustness to illumination variations. In addition, we present an effective training framework that optimizes the Gaussian primitives via single-view and multi-view geometric and photometric supervision, and speeds up geometry convergence with a local-plane driven initialization that better aligns primitives with local structures. Furthermore, we introduce a map update strategy for loop closure that globally transforms the Gaussian map to align it with the corrected pose estimates, thereby preventing map tearing caused by inconsistent per-viewpoint pose corrections in existing methods. Extensive experiments on synthetic and real-world benchmarks demonstrate that our method outperforms SOTA methods in terms of online mapping efficiency and geometric reconstruction quality.
- Abstract（参考訳）: Dense visual SLAMはロボティクスの基本的な問題である。
3DGSの最近の進歩は、高密度SLAMの可能性を示している。
既存の3DGSフレームワークは外観モデリングと幾何学モデリングの両方に焦点を当てている。
しかし、シーンジオメトリは、ナビゲーションや障害物回避といった下流ロボットタスクが、主にフォトリアリスティックレンダリングよりも正確な空間幾何学に依存しているため、新しいビュー合成よりもSLAMにとって非常に重要である。
この観察は自然な疑問を提起する:3DGSがシーンモデルなしで3D再構成を行うことは可能か?
そこで本研究では、シーン形状を直接再構成するGeoGS(Geometry-only Gaussian Splatting)と、この表現に基づいて構築された濃密なビジュアルSLAMシステムGeoGS-SLAMを提案する。
具体的には、GeoGSは空間パラメータのみを保持し、プリミティブ単位のパラメータ数を80%以上削減する。
既存の3DGS法とは対照的に、GeoGSは幾何再構成のみに重点を置いており、ガウス原始体の数を著しく減らし、幾何収束を加速し、照明変動に対する堅牢性を高める。
さらに,ガウス原始体を一視点・多視点幾何・測光監督により最適化し,局所平面駆動初期化による幾何収束を高速化し,原始体と局所構造との整合性を向上する効果的なトレーニングフレームワークを提案する。
さらに,ループ閉鎖に対するマップ更新戦略を導入し,ガウス写像をグローバルに変換して修正されたポーズ推定値と整合させる。
提案手法は, オンラインマッピング効率と幾何再構成品質においてSOTA法より優れていることを示す。
関連論文リスト
- Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。
私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。
この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
論文 参考訳（メタデータ） (2026-07-24T09:46:07Z) - GeoGS-SLAM: Online Monocular Reconstruction Using Gaussian Splatting with Geometric Priors [2.614894682819833]
3DGSをベースとした地図表現と学習した幾何学的先行情報を組み合わせたオンライン単分子密度再構成システムGeoGS-SLAMを提案する。
カメラポーズとシーンマップは、光学的損失と幾何学的損失の両方を最小限に抑える粗大な戦略によって、共同最適化される。
論文 参考訳（メタデータ） (2026-07-13T07:32:09Z) - GGPT: Geometry Grounded Point Transformer [22.64445696362087]
本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。
この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
論文 参考訳（メタデータ） (2026-03-11T18:00:04Z) - GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation [68.02988074681427]
画像から3Dのシーン生成にビデオモデルを利用する以前の研究は、幾何学的歪みやぼやけた内容に悩まされる傾向にある。
本稿では,幾何学モデルの可能性を解き放つことにより,画像から3次元のシーン生成のパイプラインを再構築する。
我々のGeoWorldは、1つの画像と所定のカメラ軌道から高忠実度3Dシーンを生成することができ、定性的かつ定量的に先行手法より優れている。
論文 参考訳（メタデータ） (2025-11-28T13:55:45Z) - Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。
本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。
多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
論文 参考訳（メタデータ） (2025-10-10T13:22:12Z) - EG-Gaussian: Epipolar Geometry and Graph Network Enhanced 3D Gaussian Splatting [9.94641948288285]
EG-Gaussianは3次元シーン再構成にエピポーラ幾何学とグラフネットワークを利用する。
提案手法は3DGS法と比較して再構成精度を著しく向上させる。
論文 参考訳（メタデータ） (2025-04-18T08:10:39Z) - GeomGS: LiDAR-Guided Geometry-Aware Gaussian Splatting for Robot Localization [20.26969580492428]
我々はGeomGS(Geometry-Aware Gaussian Splatting)と呼ばれる新しい3DGS法を提案する。
我々のGeomGSは、幾何および局所化性能をいくつかのベンチマークで示すとともに、測光性能も改善している。
論文 参考訳（メタデータ） (2025-01-23T06:43:38Z) - 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) - GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。
従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。
GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2024-06-21T17:49:31Z) - Trim 3D Gaussian Splatting for Accurate Geometry Representation [72.00970038074493]
画像から正確な3次元形状を復元するためにTrim 3D Gaussian Splatting (TrimGS)を導入する。
実験および理論的解析により、比較的小さなガウススケールが複雑な詳細を表現・最適化する非無視因子であることが判明した。
元の3DGSと最先端の2DGSと組み合わせると、TrimGSは一貫してより正確な幾何学と高い知覚品質が得られる。
論文 参考訳（メタデータ） (2024-06-11T17:34:46Z) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z) - 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。