論文の概要: Track2Map: Online Deformable SLAM with Motion-Aware Pose Optimization in Robotic Surgery

• arxiv url: http://arxiv.org/abs/2607.08408v1
• Date: Thu, 09 Jul 2026 12:34:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.528301
• Title: Track2Map: Online Deformable SLAM with Motion-Aware Pose Optimization in Robotic Surgery
• Title（参考訳）: Track2Map: ロボット手術における動作対応ポース最適化によるオンライン変形可能なSLAM
• Authors: Tianyi Song, Sierra Bonilla, Xinwei Ju, Evangelos Mazomenos, Danail Stoyanov, Adam Schmidt, Omid Mohareri, Sophia Bano, Francisco Vasconcelos,
• Abstract要約: オンライン3DガウススプレイティングパイプラインであるTrack2Mapを提案する。 Track2Mapは、カメラの軌道が不在またはノイズの多い場合に、頑丈な3D再構成を行うことができる。 StereoMISの実験では、競合するSLAM法に対する再構成品質とカメラ軌道が改善された。
• 参考スコア（独自算出の注目度）: 13.747762932103429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gaussian splatting is the current state-of-the-art for dense, deformable 3D anatomy reconstruction in robot-assisted minimally invasive surgery (RAMIS); however, most pipelines are offline and depend on accurate camera trajectory priors (often from robotic kinematics), limiting applicability when priors are missing or noisy. To address these limitations, we propose Track2Map, an online 3D Gaussian Splatting pipeline that jointly optimizes camera trajectory and 3D deformable scene representation directly from surgical video. Track2Map is therefore capable of robust 3D reconstructions when camera trajectory priors are either absent or noisy, and due to its online nature it effectively works as a Simultaneous Localisation and Mapping (SLAM) method. To stabilize optimization in the presence of tissue motion and ambiguous visual cues, we introduce a track-anchored deformation initialization using dense 2D point tracks. Track statistics are further utilized to disentangle camera motion from scene deformation by detecting static camera periods and reducing drift during incremental mapping. Experiments on StereoMIS show improved reconstruction quality and camera trajectory against competing SLAM methods, as well as compared to non-SLAM methods that utilize camera trajectory priors. The code is available at https://track2map.github.io/.
• Abstract（参考訳）: ガウススプラッティング(英: Gaussian splatting)は、ロボットによる最小侵襲手術(RAMIS)における、密度が高く変形可能な3D解剖学の現在の最先端技術である。 これらの制約に対処するために,手術映像から直接カメラ軌道と3次元変形可能なシーン表現を協調的に最適化するオンライン3Dガウス・スプレイティングパイプラインであるTrack2Mapを提案する。 Track2Mapは、カメラの軌跡が存在しないかノイズが多い場合、堅牢な3D再構成が可能であり、オンラインの性質上、SLAM法として効果的に機能する。 組織運動と曖昧な視覚的手がかりの存在下での最適化を最適化するために,高密度2次元点線を用いたトラックアンカレッド変形初期化を導入する。 トラック統計は、静止カメラ周期を検出し、インクリメンタルマッピング時のドリフトを低減することにより、シーン変形からカメラの動きを遠ざけるためにさらに活用される。 StereoMISでの実験では、カメラの軌道を先行するSLAM法と競合するSLAM法に比較して、再現品質とカメラ軌道の精度が向上した。 コードはhttps://track2map.github.io/で公開されている。

関連論文リスト

• BSGS: Bi-stage 3D Gaussian Splatting for Camera Motion Deblurring [32.5099324617965]
  Bi-Stage 3D Gaussian Splattingは、モーションブルー画像から3Dシーンを再構築する新しいフレームワークである。 両段階を最適化するためのサブフレーム勾配集約戦略を提案する。 提案手法の有効性を検証し,その有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2025-10-14T13:26:56Z)
• GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
  ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。 既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。 ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
  論文  参考訳（メタデータ） (2025-06-30T15:24:27Z)
• MBA-SLAM: Motion Blur Aware Gaussian Splatting SLAM [15.752529196306648]
  本稿では、重度動きブルレッド入力を処理し、画像ブルリングを強化するために、濃密な視覚ディブルSLAMパイプライン(MBA-SLAM)を提案する。 提案手法では,効率的な運動ぼかし対応トラッカーをニューラルネットワークとガウススプラッティングベースのマッパーに統合する。 実験では,MBA-SLAMがカメラのローカライゼーションとマップ再構成の両方において,従来の最先端手法を上回ることを示した。
  論文  参考訳（メタデータ） (2024-11-13T01:38:06Z)
• DynOMo: Online Point Tracking by Dynamic Online Monocular Gaussian Reconstruction [65.46359561104867]
  モノクラーカメラ入力からのオンライン2Dおよび3Dポイントトラッキングの課題を対象としている。 我々は3Dガウススプラッティングを利用して動的シーンをオンラインに再構築する。 我々は,オンラインのポイントトラッキングとリコンストラクションを推進し,様々な現実のシナリオに適用可能にすることを目的としている。
  論文  参考訳（メタデータ） (2024-09-03T17:58:03Z)
• MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
  カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。 我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。 また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
  論文  参考訳（メタデータ） (2024-04-01T04:57:41Z)
• Minimum Latency Deep Online Video Stabilization [77.68990069996939]
  本稿では,オンラインビデオ安定化作業のための新しいカメラパス最適化フレームワークを提案する。 本研究では,近年の市販の高品位深度モーションモデルを用いて動き推定を行い,カメラの軌道を復元する。 我々の手法は、定性的にも量的にも最先端のオンライン手法を大きく上回っている。
  論文  参考訳（メタデータ） (2022-12-05T07:37:32Z)

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。