論文の概要: MotionGS-SLAM: Event-Modulated Gaussian Splatting for Motion-Blur Robust SLAM
- arxiv url: http://arxiv.org/abs/2608.15024v1
- Date: Sat, 15 Aug 2026 04:20:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.164723
- Title: MotionGS-SLAM: Event-Modulated Gaussian Splatting for Motion-Blur Robust SLAM
- Title（参考訳）: MotionGS-SLAM:Motion-Blur Robust SLAMのためのイベント変調ガウス平滑化
- Abstract要約: 現在のビジョンベースのSLAMシステムは、動きのぼかしが視覚入力を損なうと破滅的に失敗する。
我々は、パラダイムシフトによって動きのぼかし処理を再現するMotionGS-SLAMを提案する。
本研究では,高度高運動条件下での軌跡精度と地図品質における最先端手法の大幅な改善を示す。
- 参考スコア（独自算出の注目度）: 10.233658861023612
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current Vision-based SLAM systems fail catastrophically when motion blur corrupts the visual input, as they attempt the ill-posed inverse problem of recovering sharp content from degraded observations. We present MotionGS-SLAM, which fundamentally reimagines motion blur handling through a paradigm shift: rather than removing blur artifacts, we reformulate the challenge as a well-constrained forward problem that generatively models blur formation within the rendering pipeline. By leveraging event cameras' microsecond temporal resolution and immunity to motion blur, we introduce a novel event-modulated Gaussian kernel that dynamically adapts each Gaussian's rasterization based on precise motion cues. Our dual-modulation mechanism transforms 2D Gaussian projections from isotropic dots into anisotropic, motion-aligned elliptical brush strokes (spatial modulation) while adaptively varying exposure integral sampling density based on local velocity (temporal modulation). This physics-based approach enables joint optimization of intra-exposure camera trajectories and 3D scene geometry through blur-aware photometric and event-based constraints. Extensive experiments demonstrate significant improvements over state-of-the-art methods in trajectory accuracy and map quality under severe high-motion conditions.
- Abstract（参考訳）: 現在のビジョンベースのSLAMシステムは、劣化した観察からシャープなコンテンツを回復する不測の逆問題を試みるが、動きのぼかしが視覚入力を損なうと破滅的に失敗する。
我々は,動作のぼかし処理をパラダイムシフトによって根本的に再定義するMotionGS-SLAMを提案する。
イベントカメラの時間分解能と免疫を利用して動きをぼかし、精密な動きキューに基づいて各ガウスのラスタ化を動的に適応するイベント変調ガウスカーネルを導入する。
我々の二重変調機構は、局所速度(時間変調)に基づく露出積分サンプリング密度を適応的に変化させながら、2次元ガウス射影を等方点から異方性、運動整列楕円形ブラシストローク(空間変調)に変換する。
この物理に基づくアプローチは、ぼやけた光度と事象に基づく制約により、露光内カメラ軌道と3次元シーン形状の合同最適化を可能にする。
急激な高運動条件下での軌跡精度と地図品質における最先端手法よりも顕著な改善が示された。
関連論文リスト
- Kinematics-Driven Gaussian Shape Deformation for Blurry Monocular Dynamic Scenes [32.40228197424996]
Kinematics-GSは運動整合変形をモデル化するキネマティクス対応フレームワークである。
最適化を安定させるために,シーンを動的および静的なコンポーネントに分解する。
また、非剛体運動を示す変形性および弾性物体の挑戦的な実世界のデータセットも導入する。
論文 参考訳（メタデータ） (2026-05-09T03:01:17Z) - Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM [55.56111618153049]
光学的流れによって誘導される動的3DGS SLAMのための効率的なフレームワークを提案する。
動的3DGSのトレーニング速度は,時間中心を明示的にモデル化することで向上する。
その結果, 追跡, 動的再構成, 訓練効率の両立が実証された。
論文 参考訳（メタデータ） (2026-04-24T08:13:01Z) - MotionScale: Reconstructing Appearance, Geometry, and Motion of Dynamic Scenes with Scalable 4D Gaussian Splatting [54.859943475818234]
MotionScaleは、4Dガウススティングフレームワークで、大きなシーンや拡張シーケンスに効率よくスケールする。
挑戦的な実世界のベンチマークの実験では、MotionScaleは復元品質と時間的安定性の両方において最先端の手法を大きく上回っている。
論文 参考訳（メタデータ） (2026-03-31T06:03:59Z) - MoRGS: Efficient Per-Gaussian Motion Reasoning for Streamable Dynamic 3D Scenes [25.875839319957098]
既存のオンラインアプローチでは、真のシーンダイナミクスを反映したガウス運動を学習できない。
提案するMoRGSは, 4次元再構成品質を向上させるために, ガウスごとの動きを明示的にモデル化する, ガウスごとの効率的なオンライン動作推論フレームワークである。
論文 参考訳（メタデータ） (2026-03-26T05:25:11Z) - 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) - EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。
本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。
動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。
最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
論文 参考訳（メタデータ） (2025-03-14T13:15:54Z) - LightMotion: A Light and Tuning-free Method for Simulating Camera Motion in Video Generation [56.64004196498026]
LightMotionは、ビデオ生成におけるカメラモーションをシミュレートするための軽量かつチューニング不要な方法である。
潜在空間で操作すると、追加の微調整、塗装、深さ推定がなくなる。
論文 参考訳（メタデータ） (2025-03-09T08:28:40Z) - CoMoGaussian: Continuous Motion-Aware Gaussian Splatting from Motion-Blurred Images [19.08403715388913]
3D Gaussian Splattingは高品質のノベルビューレンダリングのために注目されている。
重要な問題は、露出中の動きによるカメラの動きのぼかしであり、正確な3Dシーンの復元を妨げる。
動きブル画像から正確な3Dシーンを再構成する連続運動対応ガウス版CoMoGaussianを提案する。
論文 参考訳（メタデータ） (2025-03-07T11:18:43Z) - MotionGS: Exploring Explicit Motion Guidance for Deformable 3D Gaussian Splatting [56.785233997533794]
我々はMotionGSと呼ばれる新しい変形可能な3次元ガウススプレイティングフレームワークを提案する。
MotionGSは3Dガウスの変形を導くために、前もって明示的な動きを探索する。
モノラルなダイナミックシーンの実験では、MotionGSが最先端の手法を超越していることが確認された。
論文 参考訳（メタデータ） (2024-10-10T08:19:47Z) - CRiM-GS: Continuous Rigid Motion-Aware Gaussian Splatting from Motion-Blurred Images [14.738528284246545]
CRiM-GS は textbfContinuous textbfRigid textbfMotion-aware textbfGaussian textbfSplatting である。
リアルタイムレンダリング速度を維持しながら、モーションブルーの画像から正確な3Dシーンを再構築する。
論文 参考訳（メタデータ） (2024-07-04T13:37:04Z) - Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。
具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。
より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
論文 参考訳（メタデータ） (2024-03-18T03:46:26Z)
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。