論文の概要: SCOUT-SLAM: Structurally-Coupled Dual Uncertainty-Aware 3DGS SLAM in the Wild
- arxiv url: http://arxiv.org/abs/2609.14634v1
- Date: Sun, 13 Sep 2026 16:08:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.869184
- Title: SCOUT-SLAM: Structurally-Coupled Dual Uncertainty-Aware 3DGS SLAM in the Wild
- Title（参考訳）: SCOUT-SLAM: 野生における構造的に結合したデュアル不確かさを意識した3DGS SLAM
- Abstract要約: 既存の手法は、不確実性をモデル化するために、基礎となるシーン再構築の安定性に依存している。
SCOUT-SLAMは、共有ベースネットワークから両方の不確実性を推定する構造的に結合された二重不確実性フレームワークである。
このネットワークの低ランク適応は、多視点特徴整合性に基づいて訓練され、復元品質にのみ依存しないトラッキングの不確実性を推定する。
- 参考スコア（独自算出の注目度）: 5.507970541170981
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, 3D Gaussian Splatting SLAM (3DGS-SLAM) has gained significant momentum in simultaneous localization and 3DGS scene reconstruction. In real-world scenarios with rapid camera motion and cluttered dynamic environments, existing methods rely on the stability of the underlying scene reconstruction to model uncertainty. This leads to a circular dependency between camera tracking accuracy and reconstruction quality: reconstruction instabilities degrade uncertainty modeling, which affects accurate camera tracking and static scene reconstruction. To address this, the paper proposes SCOUT-SLAM, a structurally-coupled dual-uncertainty framework in which both uncertainties are estimated from a shared base network. A low-rank adaptation of this network, trained on multi-view feature consistency, estimates a tracking uncertainty that does not depend solely on the reconstruction quality. A spatially-adaptive prior modulates the network's training objective so that reconstruction instability does not inflate uncertainty on static regions, keeping the shared representation intact for both branches. Evaluations on dynamic benchmarks (TUM RGB-D, Bonn Dynamic, Wild-SLAM MoCap) demonstrate that SCOUT-SLAM achieves state-of-the-art camera tracking accuracy and artifact-free static scene reconstruction.
- Abstract（参考訳）: 近年,3D Gaussian Splatting SLAM(3DGS-SLAM)は同時局所化と3DGSシーン再構築において大きな勢いを増している。
カメラの高速な動きと乱れた動的環境を持つ現実のシナリオでは、既存の手法は不確実性をモデル化するために、下層のシーン再構成の安定性に依存している。
これにより、カメラ追跡精度と復元品質の円形依存性が生じる: 復元不安定性は、正確なカメラ追跡と静的なシーン再構成に影響を与える不確実性モデリングを劣化させる。
これを解決するために,共有ベースネットワークから両不確実性を推定する構造結合型二重不確実性フレームワークSCOUT-SLAMを提案する。
このネットワークの低ランク適応は、多視点特徴整合性に基づいて訓練され、復元品質にのみ依存しないトラッキングの不確実性を推定する。
空間適応型事前制御は、ネットワークのトレーニング目標を調整し、再構築不安定が静的領域の不確実性を損なうことなく、両方のブランチで共有表現をそのまま保持する。
動的ベンチマーク(TUM RGB-D, Bonn Dynamic, Wild-SLAM MoCap)の評価は、SCOUT-SLAMが最先端のカメラ追跡精度とアーティファクトフリーの静的シーン再構成を実現することを示した。
関連論文リスト
- Dynamic-Robust Photometric-Semantic Reconstruction for Open-Vocabulary 3D Scene Understanding [63.599342750566485]
SPARは、潜在空間アグリゲーションの前に過渡的ダイナミックノイズを明示的に分離する新しい意味幾何学的エンコーディングアーキテクチャである。
エンド・ツー・エンドのアプローチは例外的な新規なビュー合成品質を実現し、PSNRは22.15dB、23.33dBでそれぞれ3と4の入力ビューしか与えられなかった。
論文 参考訳（メタデータ） (2026-08-29T09:58:24Z) - EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
論文 参考訳（メタデータ） (2026-08-09T09:00:30Z) - DynActiveGS: Active Gaussian Splatting for Dynamic Scene Reconstruction [15.531413683893751]
3次元ガウススプレイティングに基づく動的対応型アクティブ再構築フレームワークDynActiveGS(3DGS)を提案する。
この枠組みは3次元ガウスのシーン表現を漸進的に再構成し, 動作不良の観測を抑える。
DynActiveGSの重要な構成要素は、構造的不確かさと運動によって引き起こされる不確実性への明確な不確実性分解である。
論文 参考訳（メタデータ） (2026-08-02T11:57:49Z) - RU4D-SLAM: Reweighting Uncertainty in Gaussian Splatting SLAM for 4D Scene Reconstruction [8.13353479857245]
4Dリコンストラクション、特に4Dガウシアンスプラッティングは、これらの課題に対処するための有望な方向性を提供する。
本研究では,4次元シーン再構成のための頑健で効率的なフレームワーク,すなわち,ガウススティングSLAM(RU4D-SLAM)における不確実性の再重み付けを提案する。
提案手法は,軌道精度と4次元シーン再構成の両面において,最先端の手法を大幅に上回っている。
論文 参考訳（メタデータ） (2026-02-24T11:47:43Z) - Towards Geometry-Aware and Motion-Guided Video Human Mesh Recovery [60.51998732898099]
HMRMambaは3Dヒューマンメッシュリカバリのための新しいパラダイムである。
構造状態空間モデル(Structured State Space Models)をその効率性と長距離モデリングに利用した先駆者である。
まず、新しいデュアルスキャンのMambaアーキテクチャを特徴とするGeometry-Aware Lifting Moduleについて述べる。
論文 参考訳（メタデータ） (2026-01-29T08:05:02Z) - RoGER-SLAM: A Robust Gaussian Splatting SLAM System for Noisy and Low-light Environment Resilience [4.942278642834429]
RoGER-SLAMは3DGSのSLAMシステムで、ノイズと低照度のレジリエンスに特化している。
また,RoGER-SLAMは,他の3DGS-SLAMシステムと比較してトラジェクトリ精度と再構成品質を一貫して向上することを示した。
論文 参考訳（メタデータ） (2025-10-26T09:32:43Z) - Adaptive Relative Pose Estimation Framework with Dual Noise Tuning for Safe Approaching Maneuvers [0.0]
本研究は、適応非線形フィルタリングによる高度なコンピュータビジョン技術を統合する完全なパイプラインを提案する。
画像前処理によって強化された畳み込みニューラルネットワーク(CNN)は、チェッカー画像から構造マーカーを検出する。
UKFフレームワークは、非線形相対力学を処理し、完全な相対的ポーズを推定する能力のために選択される。
論文 参考訳（メタデータ） (2025-07-22T04:13:03Z) - 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) - HS-SLAM: Hybrid Representation with Structural Supervision for Improved Dense SLAM [38.82194947459594]
NeRFベースのSLAMは、最近、追跡と再構築において有望な成果を上げている。
これらの問題に対処するためにHS-SLAMを提案する。
本稿では,ハッシュグリッド,トリプレーン,ワンブロブの相補的強みを組み合わせたハイブリッド符号化ネットワークを提案する。
論文 参考訳（メタデータ） (2025-03-27T17:59:54Z) - T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。
我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
論文 参考訳（メタデータ） (2024-11-29T07:45:24Z) - Event-boosted Deformable 3D Gaussians for Dynamic Scene Reconstruction [50.873820265165975]
本稿では,高時間分解能連続運動データと動的シーン再構成のための変形可能な3D-GSを併用したイベントカメラについて紹介する。
本稿では、3次元再構成としきい値モデリングの両方を大幅に改善する相互強化プロセスを作成するGS-Thresholdジョイントモデリング戦略を提案する。
提案手法は,合成および実世界の動的シーンを用いた最初のイベント包摂型4Dベンチマークであり,その上で最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-11-25T08:23:38Z)
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。