論文の概要: AMB3R-SLAM: Kilometer-scale SLAM with Hierarchical Backend
- arxiv url: http://arxiv.org/abs/2609.19518v1
- Date: Thu, 17 Sep 2026 00:11:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.035522
- Title: AMB3R-SLAM: Kilometer-scale SLAM with Hierarchical Backend
- Title（参考訳）: AMB3R-SLAM:階層型バックエンドを用いたキルメータスケールSLAM
- Abstract要約: AMB3R-SLAMは、1つのコンシューマグレードGPU上で10kフレーム以上のキロスケールの軌道を再構築できるリアルタイム単眼SLAMシステムである。
我々のモデルは、低レイテンシなオンライントラッキングのための軽量なフロントエンドと、局所的、中レベル、グローバルな一貫性を徐々に強化する階層的なバックエンドを結合しています。
- 参考スコア（独自算出の注目度）: 18.645700170943975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present AMB3R-SLAM, a real-time monocular SLAM system capable of reconstructing kilometer-scale trajectories over 10k frames on a single consumer-grade GPU. Our model couples a lightweight front-end for low-latency online tracking with a hierarchical backend that progressively enforces local, mid-level, and global consistency. By avoiding bundle adjustment that relies on the static world assumption, our system naturally handles complex dynamic scenes out of the box. Furthermore, we demonstrate that our method can be extended to leverage stereo, RGB-D, and LiDAR as additional inputs. AMB3R-SLAM achieves strong camera tracking performance across 9 datasets, reducing the absolute trajectory error (ATE) of previous state-of-the-art methods on VBR and Oxford Spires by over 70%. With additional LiDAR input, our model further reduces ATE to sub-meter level on KITTI and VBR datasets.
- Abstract（参考訳）: AMB3R-SLAMは、1つのコンシューマグレードGPU上で10kフレーム以上のキロスケールの軌道を再構築できるリアルタイム単眼SLAMシステムである。
我々のモデルは、低レイテンシなオンライントラッキングのための軽量なフロントエンドと、局所的、中レベル、グローバルな一貫性を徐々に強化する階層的なバックエンドを結合しています。
静的な世界仮定に依存するバンドル調整を避けることで、システムは自然に複雑な動的シーンを箱から取り出すことができる。
さらに,ステレオ,RGB-D,LiDARを付加入力として利用できることを示す。
AMB3R-SLAMは9つのデータセットにわたる強力なカメラトラッキング性能を実現し、VBRとオックスフォード・スパイルズの従来の最先端手法の絶対軌道誤差(ATE)を70%以上削減した。
追加のLiDAR入力により、このモデルは、KITTIおよびVBRデータセット上でのATEをサブメーターレベルに削減する。
関連論文リスト
- RawSLAM: Online HDR Gaussian SLAM from Linear Radiance [3.149752371311821]
現在の高密度視線SLAMシステムは、8ビットトーンマップされた低ダイナミックレンジ(LDR)入力のみに依存している。
単一露光16ビット線形HDR画像を直接追跡・マップする初のオンラインガウスSLAMフレームワークである。
論文 参考訳（メタデータ） (2026-09-17T15:41:32Z) - Robust and Efficient Monocular 3D Gaussian SLAM for Kilometer-Scale Outdoor Scenes [6.445070918236315]
KiloGS-SLAMは高効率で頑丈な単分子トリガー3DSLAMシステムである。
提案手法は,最先端のトラッキング精度とレンダリング品質を実現し,単一のGPU上で1万フレームを超えるシーケンスへのスケールアップに成功した。
論文 参考訳（メタデータ） (2026-06-29T15:12:18Z) - 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) - VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。
堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。
本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
論文 参考訳（メタデータ） (2025-12-02T00:19:13Z) - 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) - 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) - 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) - FlashSLAM: Accelerated RGB-D SLAM for Real-Time 3D Scene Reconstruction with Gaussian Splatting [14.130327598928778]
FlashSLAMは、3Dガウススプラッティングを有効かつ堅牢な3Dシーン再構築に活用する新しいSLAMアプローチである。
既存の3DGSベースのSLAMメソッドは、スパースビューの設定や大きなカメラの動きの間、しばしば不足する。
提案手法は,従来手法よりも平均追跡精度を最大92%向上させる。
論文 参考訳（メタデータ） (2024-12-01T05:44:38Z) - GO-SLAM: Global Optimization for Consistent 3D Instant Reconstruction [45.49960166785063]
GO-SLAMは、リアルタイムでポーズと3D再構成をグローバルに最適化するディープラーニングベースの高密度ビジュアルSLAMフレームワークである。
さまざまな合成および実世界のデータセットの結果から、GO-SLAMはロバスト性や復元精度の追跡において最先端のアプローチよりも優れていることが示されている。
論文 参考訳（メタデータ） (2023-09-05T17:59:58Z) - NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。
近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
論文 参考訳（メタデータ） (2023-02-07T17:06:34Z) - Using Detection, Tracking and Prediction in Visual SLAM to Achieve
Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。
我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
論文 参考訳（メタデータ） (2022-10-10T11:03:32Z)
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。