論文の概要: Stipple: Real-Time Incremental Gaussian Splatting with Visual-Inertial Tracking
- arxiv url: http://arxiv.org/abs/2608.00931v1
- Date: Sun, 02 Aug 2026 02:17:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.027857
- Title: Stipple: Real-Time Incremental Gaussian Splatting with Visual-Inertial Tracking
- Title（参考訳）: Stipple:ビジュアル慣性トラッキングによるリアルタイムインクリメンタルガウススプラッティング
- Abstract要約: 本稿では,効率的な視覚慣性追跡システムを活用することで,リアルタイムに追跡と再構築を行う新しい手法を提案する。
3DGSの重い前処理とトレーニングのステップの多くは、より効率的なインクリメンタルトレーニング戦略に置き換えられることが示されています。
- 参考スコア（独自算出の注目度）: 45.88028371034407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) provides efficient rendering of photo-realistic scenes, but its heavy preprocessing and training steps make it a poor fit for applications that require real-time reconstruction in robotics or XR. This capability is important since it allows immediate feedback and interaction with new environments. Visual-inertial odometry (VIO) and simultaneous localization and mapping (VI-SLAM) systems, on the other hand, specifically target these real-time applications, which makes them a good choice for integration with 3DGS. We propose a new method that tracks and reconstructs simultaneously in real-time by leveraging an efficient visual-inertial tracking system based on Basalt together with a novel incremental method built on top of Brush, an efficient Rust-based GPU-vendor-agnostic implementation of 3D Gaussian Splatting. We show that many of the heavy preprocessing and training steps of 3DGS can be replaced with a more efficient incremental training strategy that has direct access to the information generated by the visual-inertial tracking system. Furthermore, we propose and combine multiple practical improvements to increase the efficiency of the training pipeline and adapt it to run in real-time, parallel to the tracking thread. This work highlights the value of exploiting the complementary nature of SLAM and 3DGS, and how that can lead to promising results for real-time 3D reconstruction.
- Abstract（参考訳）: 3D Gaussian Splatting(3DGS)は、写真のリアルなシーンの効率的なレンダリングを提供するが、その重い前処理とトレーニングの手順は、ロボット工学やXRのリアルタイム再構築を必要とするアプリケーションには適さない。
新しい環境への迅速なフィードバックとインタラクションを可能にするため、この機能は重要です。
一方,視覚慣性オドメトリー (VIO) と同時ローカライゼーション・マッピング (VI-SLAM) システムは,これらのリアルタイムアプリケーションを特にターゲットとしている。
本稿では,Busaltをベースとした効率的な視覚慣性トラッキングシステムと,RustベースのGPU-ベンダー非依存の3Dガウス平滑化実装であるBrush上に構築された新たなインクリメンタル手法を併用して,リアルタイムにトラッキングと再構築を行う手法を提案する。
視覚慣性トラッキングシステムによって生成された情報に直接アクセス可能な,より効率的なインクリメンタルトレーニング戦略によって,3DGSの重度前処理およびトレーニングステップの多くを置き換えることができることを示す。
さらに、トレーニングパイプラインの効率を向上し、トラッキングスレッドと並行してリアルタイムに実行できるように、複数の実用的な改善を提案し、組み合わせる。
この研究は、SLAMと3DGSの相補的な性質を活用することの価値と、それがリアルタイム3D再構築に有望な結果をもたらす方法を強調している。
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) - TrackerSplat: Exploiting Point Tracking for Fast and Robust Dynamic 3D Gaussians Reconstruction [13.65229165812888]
動的シーン再構成のための3DGSのロバスト性とスケーラビリティを高めるために,先進的な点追跡手法を統合する新しい手法である textitTrackerSplat を導入する。
TrackerSplatはフレーム間の大きな変位を効果的に処理し、それまでの手法で一般的だった色付けや再色付けを劇的に削減する。
実世界のデータセットの実験は、大きな変位を伴う挑戦的なシナリオにおけるTrackerSplatの堅牢性を確認する。
論文 参考訳（メタデータ） (2026-04-02T23:43:55Z) - FeatureSLAM: Feature-enriched 3D gaussian splatting SLAM in real time [11.883404434697809]
3Dガウススプラッティング(3DGS)を用いた効率的なカメラ追跡と特徴強調マッピングを統合したリアルタイム追跡SLAMシステムを提案する。
我々の主な貢献は、視覚的基礎モデルと整合した新しいビュー合成に、密集した特徴のセマンティック化とセマンティック化を統合することである。
直近の固定セットSLAMベースラインに比べて9%低いポーズ誤差と8%高いマッピング精度を得た。
論文 参考訳（メタデータ） (2026-01-09T11:40:16Z) - 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) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - Towards Real-Time Gaussian Splatting: Accelerating 3DGS through Photometric SLAM [4.08109886949724]
我々は,モノクロ光度SLAMシステムであるDirect Sparse Odometryと3DGSを統合することを提案する。
予備実験により, 直接スパースオドメトリーを用いたクラウド出力は, 標準構造と対照的に, 高品質なレンダリングを実現するのに必要なトレーニング時間を著しく短縮することが示された。
論文 参考訳（メタデータ） (2024-08-07T15:01:08Z) - SpotlessSplats: Ignoring Distractors in 3D Gaussian Splatting [44.42317312908314]
3D Gaussian Splatting (3DGS)は、3D再構成のための有望な技術であり、効率的なトレーニングとレンダリング速度を提供する。
現在の手法では、3DGSのビュー間の一貫性の仮定を満たすために、高度に制御された環境が必要である。
SpotLessSplatsは、トレーニング済みと汎用の機能と頑健な最適化を併用して、過渡的障害を効果的に無視するアプローチである。
論文 参考訳（メタデータ） (2024-06-28T17:07:11Z) - LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。
実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
論文 参考訳（メタデータ） (2024-05-29T05:58:34Z) - 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) - 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。