論文の概要: Multi-Submap Implicit Neural SLAM with Local-to-Global Loop Closure for Large-Scale Scene Reconstruction
- arxiv url: http://arxiv.org/abs/2608.09146v1
- Date: Mon, 10 Aug 2026 05:49:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.097115
- Title: Multi-Submap Implicit Neural SLAM with Local-to-Global Loop Closure for Large-Scale Scene Reconstruction
- Title（参考訳）: 局所-Global-Loop Closureを用いた大規模シーン再構築のためのマルチサブマップインプリシトニューラルネットワークSLAM
- Abstract要約: 本稿では,マルチサブマップアーキテクチャと2層ループクロージャ機構を備えた大規模ニューラルネットワークSLAMシステムを提案する。
堅牢なポーズ推定のために、光学フローベースのトラッキングモジュールが、攻撃的な動きを処理するために統合されている。
提案手法は, 再建品質と局所ロバスト性において, 最先端のニューラルSLAM法より優れる。
- 参考スコア（独自算出の注目度）: 38.870967480699186
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neural Radiance Fields (NeRF)-based SLAM has demonstrated impressive results in small-scale scene reconstruction, yet scaling these methods to extensive, complex environments remains challenging due to catastrophic forgetting and accumulated trajectory drift. This paper presents a robust, large-scale neural SLAM system featuring a multi-submap architecture and a dual-tier loop closure mechanism. Specifically, we propose a progressive mapping strategy that dynamically allocates neural submaps to maintain high-fidelity representations without memory explosion. For robust pose estimation, an optical-flow-based tracking module is integrated to handle aggressive motions. To address global consistency, we introduce a local-to-global loop closure framework leveraging the foundation model for high-performance global descriptor extraction, significantly enhancing relocalization accuracy under varying viewpoints. Furthermore, an inter-submap online distillation algorithm is designed during back-end optimization to enforce geometric and appearance consistency across overlapping submap boundaries. To validate the system, we developed a customized handheld mechatronic platform and conducted extensive evaluations on both public benchmarks and our large-scale indoor-outdoor datasets. Experimental results, including direct deployment on an onboard computing unit, demonstrate that our approach outperforms state-of-the-art neural SLAM methods in reconstruction quality and localization robustness, providing a scalable solution for real-world robotic perception and digital twinning. We will release the code publicly on \href{https://github.com/dtc111111/MSN-SLAM}{https://github.com/dtc111111/MSN-SLAM} .
- Abstract（参考訳）: ニューラル・ラジアンス・フィールド(NeRF)をベースとしたSLAMは、小規模なシーン再構成において顕著な成果を上げているが、これらの手法を大規模な複雑な環境に拡張することは、破滅的な忘れ物と蓄積された軌道のドリフトのために依然として困難である。
本稿では,マルチサブマップアーキテクチャと2層ループクロージャ機構を備えた,堅牢で大規模なニューラルSLAMシステムを提案する。
具体的には、メモリの爆発なしに高忠実度表現を維持するために、ニューラルネットワークを動的に割り当てるプログレッシブマッピング戦略を提案する。
堅牢なポーズ推定のために、光学フローベースのトラッキングモジュールが、攻撃的な動きを処理するために統合されている。
グローバルな一貫性を実現するため,高性能なグローバルディスクリプタ抽出のための基礎モデルを活用するローカル・グローバル・ループ・クロージャ・フレームワークを導入し,様々な視点で再ローカライゼーションの精度を大幅に向上させる。
さらに、サブマップ間オンライン蒸留アルゴリズムは、重なり合うサブマップの境界を越えて幾何的および外観整合性を強制するために、バックエンド最適化時に設計される。
本システムの有効性を検証するため,手持ちメカトロニクスプラットフォームを開発した。
実世界のロボット認識とデジタルツインニングのためのスケーラブルなソリューションを提供するため,本手法は再現性およびローカライゼーションロバスト性において最先端のニューラルSLAM法より優れていることを示した。
コードを公開するのは、 \href{https://github.com/dtc111111/MSN-SLAM}{https://github.com/dtc1111/MSN-SLAM} である。
関連論文リスト
- PointSLAM++: Robust Dense Neural Gaussian Point Cloud-based SLAM [15.127969048723408]
現在の同時ローカライゼーションとマッピング(SLAM)アプローチは、奥行き雑音の存在下で構造的一貫性とロバストなポーズ推定を維持するのにしばしば苦労する。
この研究は、構造的関係を維持するために階層的に制約されたニューラルガウス表現を利用する新しいRGB-D SLAMシステムであるPointSLAM++を紹介する。
また、深度センサノイズを軽減するためにプログレッシブポーズ最適化を採用し、局所化精度を大幅に向上させた。
論文 参考訳（メタデータ） (2026-01-10T04:12:13Z) - SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。
SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
論文 参考訳（メタデータ） (2025-11-21T12:40:55Z) - LVD-GS: Gaussian Splatting SLAM for Dynamic Scenes via Hierarchical Explicit-Implicit Representation Collaboration Rendering [21.615484471658842]
3次元ガウス散乱SLAMは空間知能における高忠実度マッピングの手法として広く用いられている。
既存の手法は、大規模でダイナミックな屋外シーンでの性能を制限する単一の表現方式に依存していることが多い。
我々は,新しいLiDAR-Visual 3D Gaussian Splatting SLAMシステムである textbfLVD-GS を提案する。
論文 参考訳（メタデータ） (2025-10-26T13:16:39Z) - MASt3R-Fusion: Integrating Feed-Forward Visual Model with IMU, GNSS for High-Functionality SLAM [12.158063913401575]
フィードフォワード・ポイントマップ・レグレッションと相補的なセンサ情報を統合するマルチセンサ支援視覚SLAMフレームワークMASt3R-Fusionを提案する。
実時間スライディングウインドウ最適化とアグレッシブループ閉鎖を伴う大域的最適化の両立が可能な階層的因子グラフ設計法を開発した。
我々は、公開ベンチマークと自己収集データセットの両方に対するアプローチを評価し、精度とロバスト性を大幅に改善したことを示す。
論文 参考訳（メタデータ） (2025-09-25T05:26:28Z) - LGM-Pose: A Lightweight Global Modeling Network for Real-time Human Pose Estimation [14.20517652381698]
これらの課題に対処するために,シングルブランチ軽量グローバルモデリングネットワーク (LGM-Pose) が提案されている。
このネットワークでは、軽量なMobileViMブロックが、LARM(Lightweight Attentional Representation Module)として提案されている。
論文 参考訳（メタデータ） (2025-06-05T02:29:04Z) - Deblur Gaussian Splatting SLAM [57.35366732452066]
Deblur-SLAMは、モーションブルーの入力から鋭い復元を回復するために設計された堅牢なRGB SLAMパイプラインである。
我々は、動きブル画像の物理画像形成過程をモデル化し、観察されたぼやけた画像とぼやけた画像との誤差を最小化する。
我々は,合成および実世界のぼやけた入力データを用いて,シャープマップ推定とサブフレームトラジェクトリ回復のための最先端結果を得る。
論文 参考訳（メタデータ） (2025-03-16T16:59:51Z) - Mesh Denoising Transformer [104.5404564075393]
Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。
SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。
局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。
Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
論文 参考訳（メタデータ） (2024-05-10T15:27:43Z) - CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。
これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。
協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
論文 参考訳（メタデータ） (2023-11-14T09:17:15Z) - HI-SLAM: Monocular Real-time Dense Mapping with Hybrid Implicit Fields [11.627951040865568]
最近のニューラルマッピングフレームワークは有望な結果を示しているが、RGB-Dやポーズ入力に依存している。
我々のアプローチは、高密度SLAMとニューラル暗黙の場を統合する。
ニューラルネットワークの効率的な構築には,マルチレゾリューショングリッド符号化と符号付き距離関数を用いる。
論文 参考訳（メタデータ） (2023-10-07T12:26:56Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z)
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。