論文の概要: GLAM-SLAM: Real-time Gaussian Large-scale Mapping via Flow Densification and Spatial Decomposition
- arxiv url: http://arxiv.org/abs/2607.21416v1
- Date: Thu, 23 Jul 2026 15:22:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.453428
- Title: GLAM-SLAM: Real-time Gaussian Large-scale Mapping via Flow Densification and Spatial Decomposition
- Title（参考訳）: GLAM-SLAM:流れの密度化と空間分解によるガウスの大規模マッピング
- Abstract要約: 本稿では,リアルタイムに分離したガウス分割SLAMシステムであるGLAM-SLAMを提案する。
堅牢で機能ベースのSLAMを使用して、軽量なトラッキングを保証します。
構造化されたスパースなアンカーグリッド表現を採用し、スケーラブルな操作を保証し、長期的シーケンスをまたいだシーンを維持する。
我々は,困難かつ長周期なKITTI Odometry,Oxford RobotCar,M Splatalagaデータセットについて評価を行った。
- 参考スコア（独自算出の注目度）: 15.113183931728814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing Gaussian-splatting-based monocular Simultaneous Localization and Mapping (SLAM) systems are either tailored to short sequences, are not real-time, or suffer from prohibitive GPU memory requirements, limiting their applicability in realistic, long-horizon scenarios. To address this, we present GLAM-SLAM, a real-time, decoupled Gaussian-splatting SLAM system designed for large-scale outdoor scenes. We ensure lightweight tracking using a robust, feature-based SLAM frontend, while for mapping, we adopt a structured, sparse anchor grid representation that ensures scalable operation and maintains scene coherence across long-term sequences. To satisfy the dense initialization requirements of 3D Gaussian Splatting (3DGS), we introduce a geometry-based flow-densification anchoring strategy using epipolar constraints. Furthermore, by treating mapping as a multi-scene problem, we propose a scene-partitioning strategy that introduces a strong spatial inductive bias via MLP initializations to generate localized Gaussians. We evaluate our system on the challenging, long-sequence KITTI Odometry, Oxford RobotCar, and M'alaga datasets. Extensive ablations and comparisons demonstrate a 15% improvement in reconstruction quality over the second-best performer, while maintaining real-time performance and the ability to scale to longer sequences. Code is publicly available for the benefit of the community.
- Abstract（参考訳）: 既存のガウス・スプティングベースの単分子局所マッピング(SLAM)システムは、短いシーケンスに適合するか、リアルタイムではないか、または禁止的なGPUメモリ要件に悩まされ、現実的で長期のシナリオで適用性を制限する。
これを解決するために,大規模屋外シーン用に設計されたガウス分割SLAMシステムであるGLAM-SLAMを提案する。
我々は、堅牢で機能ベースのSLAMフロントエンドを用いた軽量なトラッキングを保証する一方で、マッピングには、スケーラブルな操作を保証し、長期的なシーケンス間のシーンコヒーレンスを維持する、構造化されたスパースなアンカーグリッド表現を採用しています。
3Dガウススプティング(3DGS)の高密度初期化要件を満たすため, エピポーラ制約を用いた幾何学的フロー密度アンカー戦略を導入する。
さらに,写像をマルチシーン問題として扱うことにより,MLP初期化による強い空間帰納バイアスを導入し,局所化ガウスを生成できるシーン分割戦略を提案する。
我々は,困難かつ長周期なKITTI Odometry,Oxford RobotCar,M'alagaデータセットについて評価を行った。
大規模な改善と比較は、リアルタイムのパフォーマンスを維持し、より長いシーケンスにスケールする能力を維持しながら、第2のベテランパフォーマーよりも再現品質が15%向上したことを示している。
コードはコミュニティの利益のために公開されている。
関連論文リスト
- Geometry-Aware Online Mapping for 3D Gaussian Splatting SLAM [1.988537471957171]
近年の3Dガウススプラッティング(3DGS)は、効率的なビュー計算を可能にし、オンラインマッピングのための同時ローカライゼーションとマッピング(SLAM)システムで急速に採用されている。
本研究では,3次元GS-SLAMの分離した環境で動作する3つの幾何認識手法を提案する。
以上の結果から,光学的残差の結合とオンラインSLAMの不確実性が強調された。
論文 参考訳（メタデータ） (2026-08-14T21:20:16Z) - Spectral GS-SLAM: Observability-Aware, Degeneracy-Robust Tracking for Real-Time 3D Gaussian Splatting SLAM [12.225396339039648]
3DGS-SLAMシステムは,従来の特徴マッチングやICPベースのトラッキングを活用することで,リアルタイムな操作を可能にする。
ICPベースのトラッキングは、不調な最適化のため、構造的または幾何学的に退化したシーンで苦労する。
提案するSpectral GS-SLAMは,ICPと相補的特徴ベース制約を統合した,効率的かつ堅牢な追跡フレームワークである。
論文 参考訳（メタデータ） (2026-06-19T09:33:11Z) - RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM [19.6725809458616]
実時間ポーズ推定とマッピングのための密結合型LiDAR-Inertial-Visual 3DGSベースのSLAMフレームワークを提案する。
提案手法は, リアルタイムの効率, ローカライズ精度, レンダリング品質において, 様々な実世界のシーンにまたがる品質を実現する。
論文 参考訳（メタデータ） (2026-04-14T16:36:11Z) - GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。
大量のガウス点があるため、高いメモリコストに制約される。
コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
論文 参考訳（メタデータ） (2026-04-02T10:41:51Z) - 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) - Large-Scale Gaussian Splatting SLAM [21.253966057320383]
本稿では,LSG-SLAMと呼ばれるステレオカメラを用いた大規模3DGSベースの視覚SLAMを提案する。
EuRocとKITTIデータセットに対する広範な評価により、LSG-SLAMは既存のNeural、3DGSベースの、さらには従来のアプローチよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-05-15T03:00:32Z) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes [53.107474952492396]
CityGaussianV2は大規模なシーン再構築のための新しいアプローチである。
分解段階の密度化・深さ回帰手法を実装し, ぼやけたアーチファクトを除去し, 収束を加速する。
本手法は, 視覚的品質, 幾何学的精度, ストレージ, トレーニングコストの両立を図っている。
論文 参考訳（メタデータ） (2024-11-01T17:59:31Z) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z) - GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。
周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
論文 参考訳（メタデータ） (2024-02-15T17:32:50Z) - SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM [48.190398577764284]
SplaTAMは、単一のRGB-Dカメラからの高忠実度再構成を可能にするアプローチである。
基礎となるガウス表現に合わせて、単純なオンライントラッキングとマッピングシステムを採用している。
実験により,SplaTAMはカメラポーズ推定,マップ構築,既存手法に対する新規ビュー合成において最大2倍の性能を発揮することが示された。
論文 参考訳（メタデータ） (2023-12-04T18:53:24Z) - 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。