論文の概要: RawSLAM: Online HDR Gaussian SLAM from Linear Radiance

• arxiv url: http://arxiv.org/abs/2609.20589v1
• Date: Thu, 17 Sep 2026 15:41:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.357415
• Title: RawSLAM: Online HDR Gaussian SLAM from Linear Radiance
• Title（参考訳）: RawSLAM: オンラインHDRガウスSLAM
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.149752371311821
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current dense visual SLAM systems rely almost exclusively on 8-bit tonemapped Low Dynamic Range (LDR) inputs, limiting their robustness in extreme lighting where shadows and highlights trigger tracking drift and mapping collapse. Conversely, existing raw and High Dynamic Range (HDR) reconstruction pipelines operate strictly offline. They depend on Structure-from-Motion preprocessing and are not suited for large inter-frame motion. We present, to the best of our knowledge, the first online Gaussian SLAM framework that tracks and maps directly on single-exposure 16-bit linear HDR imagery. Our method rests on three core components: an architecture-agnostic HDR Gaussian Splatting module featuring an MLP-free logarithmic parameterization of Gaussian color features; a Reinhard range-compressed photometric objective; and structure-guided spatial gradient weighting. Combined, these components allow our approach to outperform a direct HDR adaptation of MonoGS in both trajectory and reconstruction accuracy, while rendering natively in linear scene radiance for post-rendering processing. The same formulation runs unchanged on standard 8-bit inputs, roughly halving the MonoGS baseline error. Furthermore, our HDR Gaussian module transfers seamlessly to SplaTAM, Gaussian SLAM, and DROID-W, eliminating all tracking failures these systems suffer on challenging illumination sequences. To enable this research, we introduce RawSLAM: a dataset of 10 real-world indoor sequences featuring 16-bit RAW imagery, aligned depth, IMU measurements, and external OptiTrack poses. Code and dataset will be made publicly available soon.
• Abstract（参考訳）: 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)入力にのみ依存しており、影やハイライトがドリフトやマッピングの崩壊を追跡する極端な照明において、その頑丈さを制限している。 逆に、既存の生・高ダイナミックレンジ(HDR)再構築パイプラインは、厳密にオフラインで動作する。 それらはStructure-from-Motionプリプロセッシングに依存しており、フレーム間の大きな動きには適していない。 我々は、我々の知る限り、単一露光16ビット線形HDR画像を直接追跡・マップする最初のオンラインガウスSLAMフレームワークを提示する。 提案手法は,MLPフリーなガウス色特徴の対数パラメータ化を特徴とするアーキテクチャ非依存型HDRガウス格子モジュール,Reinhard範囲圧縮光度測定目的,構造誘導型空間勾配重み付けの3つのコアコンポーネントに依存している。 これらのコンポーネントを組み合わせることで、MonoGSの直接HDR適応を軌跡と復元精度の両方で上回りながら、レンダリング後の処理のために線形シーンラディアンスをネイティブにレンダリングすることが可能になる。 同じ定式化は標準の8ビット入力では動作せず、MonoGSのベースラインエラーをほぼ半分にする。 さらに、我々のHDR GaussianモジュールはSplaTAM、Gaussian SLAM、DROID-Wにシームレスに転送し、これらのシステムが難解な照明シーケンスに直面するすべてのトラッキング障害を取り除く。 16ビットRAW画像、アライメント深度、IMU測定、外部OptiTrackポーズを含む10の現実世界屋内シーケンスのデータセットであるRawSLAMを紹介した。 コードとデータセットはまもなく公開される予定だ。

関連論文リスト

• Physically Inspired Gaussian Splatting for HDR Novel View Synthesis [40.99906396910274]
  高ダイナミックレンジノベルビュー合成 (biased-NVS) は、マルチ露光低ダイナミックレンジ(LDR)ビューを融合することにより、ダイナミックディテールでシーンを再構築する。 トーンマップ結果の制約による暗黙的なHDR含量は,異常なHDR値の補正に失敗し,非露出領域におけるガウスの勾配が制限される。 本稿では,HDR-NVSフレームワークであるPhys-GSを紹介する。
  論文  参考訳（メタデータ） (2026-03-30T04:27:39Z)
• InstantHDR: Single-forward Gaussian Splatting for High Dynamic Range 3D Reconstruction [48.64335106961342]
  既存のHDRパイプラインは、既知のカメラのポーズ、よく校正された高密度ポイントクラウド、シーンごとの時間的最適化に依存している。 現在のフィードフォワード代替品は、露出イン外観を仮定してHDR問題を見落としている。 フィードフォワードネットワークであるInstantを提案する。これは、1つのフォワードパスで非校正多重露光LDRコレクションから3次元HDRシーンを再構成する。
  論文  参考訳（メタデータ） (2026-03-11T20:51:47Z)
• HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
  既存のHDR NVS法は主にNeRFに基づいている。 訓練時間は長く、推論速度は遅い。 我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
  論文  参考訳（メタデータ） (2024-05-24T00:46:58Z)
• Spatiotemporally Consistent HDR Indoor Lighting Estimation [66.26786775252592]
  本研究では,屋内照明推定問題を解決するための物理動機付きディープラーニングフレームワークを提案する。 深度マップを用いた1枚のLDR画像から,任意の画像位置における空間的に一貫した照明を予測できる。 我々のフレームワークは、最先端の単一画像やビデオベースの手法と比較して、高画質で光リアリスティック照明予測を実現する。
  論文  参考訳（メタデータ） (2023-05-07T20:36:29Z)

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。