論文の概要: PanoGS-SLAM: Panoramic 3D Gaussian Splatting SLAM
- arxiv url: http://arxiv.org/abs/2609.17387v1
- Date: Tue, 15 Sep 2026 16:26:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.617023
- Title: PanoGS-SLAM: Panoramic 3D Gaussian Splatting SLAM
- Title（参考訳）: PanoGS-SLAM:パノラマ3Dガウス散乱SLAM
- Abstract要約: 我々は,3次元ガウス平板上に構築された最初のパノラマ密度SLAMシステムであるPanoGS-SLAMを提案する。
本手法は, 球面領域で直接, 微分可能なレンダリングとポーズの最適化を行う。
実験により、PanoGS-SLAMは幾何ベースラインとGSベースベースラインを常に上回る精度とレンダリング品質を示す。
- 参考スコア（独自算出の注目度）: 20.25032556921585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time dense SLAM is a core capability for robotics applications that require robust localization and high- quality mapping in dynamic or fast-changing environments. Recent 3D Gaussian Splatting (3DGS)-based SLAM methods have shown promising performance, but most are designed for narrow-FoV pinhole cameras, where limited angular coverage weakens pose observability and often leads to unstable photo- metric optimization under rapid motion and large viewpoint changes. We present PanoGS-SLAM, the first panoramic dense SLAM system built on 3D Gaussian Splatting. Our method per- forms differentiable rendering and pose optimization directly in the spherical domain, enabling omnidirectional photometric constraints for more stable tracking. To improve geometric consistency and robustness, we introduce (1) a sphere-consistent photometric loss that compensates for the area distortion of equirectangular projection, and (2) a depth-guided Gaussian initialization strategy that stabilizes incremental mapping in newly observed regions. Extensive experiments on both real and synthetic panoramic benchmarks (PALVIO and SynPano) show that PanoGS-SLAM consistently outperforms geometric and GS-based baselines in tracking accuracy and rendering quality, while achieving fast front-end convergence and real-time perfor- mance. In addition, controlled field-of-view experiments reveal a clear monotonic improvement in optimization conditioning and convergence stability as angular coverage increases, high- lighting the fundamental role of sensing geometry in shaping the optimization landscape of differentiable Gaussian-based SLAM. The source code will be made publicly available.
- Abstract（参考訳）: リアルタイム高密度SLAMは、動的または高速に変化する環境において、堅牢なローカライゼーションと高品質なマッピングを必要とするロボットアプリケーションの中核機能である。
近年の3D Gaussian Splatting(3DGS)に基づくSLAM法は有望な性能を示しているが、多くは狭角FoVピンホールカメラ用に設計されている。
我々は,3次元ガウス平板上に構築された最初のパノラマ密度SLAMシステムであるPanoGS-SLAMを提案する。
本手法は, 球面領域において, より安定な追尾のための全方向光度制約を実現するため, 微分可能レンダリングを作成, 直接的に最適化する。
幾何的整合性とロバスト性を改善するため,(1)正方形射影の面積歪みを補償する球面一貫性のある測光損失,(2)新たに観測された領域の漸進写像を安定化する奥行き誘導ガウス初期化戦略を導入する。
実時間および合成パノラマベンチマーク(PALVIOとSynPano)の広範な実験により、PanoGS-SLAMは、高速なフロントエンド収束とリアルタイムパーフォルマンスを実現しつつ、幾何およびGSベースのベースラインを常に上回っていることが示された。
さらに、制御された視野実験は、角被覆が増加するにつれて最適化条件と収束安定性の明確な単調な改善を示し、異なるガウス系SLAMの最適化ランドスケープを形成する上でのセンシング幾何学の基本的な役割を高くする。
ソースコードは一般公開される予定だ。
関連論文リスト
- MyGO-Splat: Multi-Objective Closed-Loop Geometric Feedback for RGB-Only Gaussian SLAM [22.81691196847663]
MyGO-Splatは閉ループガウスのSLAMフレームワークで、プリミティブをピクセル幅の深さと表面の正規に解析する。
この閉ループ設計によりスケール安定性と外観形状の整合性が向上し,単分子入力のみを使用しながらRGB-D法に匹敵する性能が得られることを示す。
論文 参考訳（メタデータ） (2026-06-29T03:22:06Z) - 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) - 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) - PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - Robust 3DGS-based SLAM via Adaptive Kernel Smoothing [14.419840415480435]
我々は、安定したカメラポーズトラッキングを確保するために、パラメータエラーに対するレンダリングプロセスの堅牢性を高めることがより重要であると論じている。
レンダリングエラーを最小化する従来の方法とは異なり、私たちの中核となる洞察は、レンダリングプロセスが3DGSパラメータの不完全性に対してよりレジリエンスになることです。
我々のアプローチは、シーン再構築(マッピング)の全体的な品質を維持しながら、カメラポーズトラッキングの堅牢性と精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-11-28T14:28:05Z) - MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。
マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。
合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
論文 参考訳（メタデータ） (2025-09-17T17:27:53Z) - GDGS: 3D Gaussian Splatting Via Geometry-Guided Initialization And Dynamic Density Control [6.91367883100748]
Gaussian Splattingは、リアルタイムのパフォーマンスをサポートしながら、リアルな画像をレンダリングする代替手段である。
本稿では,初期化,最適化,密度制御における課題に対処するため,3次元ガウス分割法(3DGS)citeKerbl2023を提案する。
提案手法は,高忠実度画像をリアルタイムにレンダリングすることで,最先端の手法に匹敵する,あるいは優れた結果を示す。
論文 参考訳（メタデータ） (2025-07-01T01:29:31Z) - Generalizable and Relightable Gaussian Splatting for Human Novel View Synthesis [49.67420486373202]
GRGSは、多彩な照明条件下での高忠実なヒューマン・ノベル・ビュー・シンセサイザーのための一般的な3Dガウスのフレームワークである。
我々は, 精密深度および表面の正常度を予測するために, 合成依存データに基づいて学習した照明対応幾何微細化(LGR)モジュールを提案する。
論文 参考訳（メタデータ） (2025-05-27T17:59:47Z) - RP-SLAM: Real-time Photorealistic SLAM with Efficient 3D Gaussian Splatting [22.76955981251234]
RP-SLAM(RP-SLAM)は、単眼およびRGB-Dカメラのための3Dガウススプラッティングに基づく視覚SLAM法である。
リアルタイム性能とモデルコンパクト性を確保しつつ、最先端の地図レンダリング精度を実現する。
論文 参考訳（メタデータ） (2024-12-13T05:27:35Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - 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。