論文の概要: Dual Covariance Gaussian Splatting SLAM: Decoupling Rendering and Registration for Robust Real-Time Tracking

• arxiv url: http://arxiv.org/abs/2609.25746v1
• Date: Tue, 22 Sep 2026 06:35:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.241165
• Title: Dual Covariance Gaussian Splatting SLAM: Decoupling Rendering and Registration for Robust Real-Time Tracking
• Title（参考訳）: Dual Covariance Gaussian Splatting SLAM:Decoupling Rendering and Registration for Robust Real-Time Tracking
• Abstract要約: ICP ベースの 3D Gaussian Splatting (3DGS) SLAM は、地図ガウシアンに対して入ってくるフレームを登録することで、リアルタイムでトラックする。 光度誤差とロバストな登録を最小化するために、二重共分散パラメータ化を提案する。 複数シーンにわたるロバストなトラッキング性能を実現し,オドメトリードリフトを低減し,sim$60 FPSのトラッキングを実現した。
• 参考スコア（独自算出の注目度）: 12.68304107799412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ICP-based 3D Gaussian Splatting (3DGS) SLAM tracks in real time by registering incoming frames against map Gaussians, using each primitive's covariance for both rendering and registration. These two uses place conflicting demands on one covariance. The mapper shapes it to minimize photometric error, often flattening it against surfaces, while robust registration typically benefits from measurement uncertainty. We propose a dual-covariance parameterization. Each Gaussian keeps a single mean but holds two covariances: a rendering covariance optimized by the mapper, and a tracking covariance derived from an RGB-D sensor noise model. We further use the tracking covariances as Gaussian anchors for image corners, providing constraints in directions where depth geometry is weak. We evaluate on TUM RGB-D, ScanNet, Replica, and two outdoor sequences recorded with a RealSense D435i on wheeled and handheld platforms. We achieve robust tracking performance across multiple scenes and reduced odometry drift, while tracking at $\sim$ 60 FPS.
• Abstract（参考訳）: ICP ベースの 3D Gaussian Splatting (3DGS) SLAM は、各プリミティブの共分散をレンダリングと登録の両方に使用して、地図ガウスに対して入ってくるフレームを登録することで、リアルタイムでトラックする。 これら2つは、1つの共分散に対する矛盾する要求を使用する。 マッパーは光度誤差を最小限に抑え、しばしば表面に対して平らにするが、ロバストな登録は一般的に測定の不確実性から恩恵を受ける。 二重共分散パラメータ化を提案する。 各ガウス平均は1つの平均を保持するが、マッパーによって最適化されたレンダリング共分散と、RGB-Dセンサノイズモデルに由来するトラッキング共分散の2つの共分散を持つ。 さらに、追跡共分散をイメージコーナーのガウスアンカーとして使用し、深さ幾何学が弱い方向の制約を与える。 TUM RGB-D, ScanNet, Replica, および車輪付きおよびハンドヘルドプラットフォーム上でRealSense D435iで記録された2つの屋外シーケンスについて検討した。 複数シーンにわたるロバストなトラッキング性能とドリフトの低減を実現し,60FPS$\sim$のトラッキングを実現した。

関連論文リスト

• iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
  iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。 NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
  論文  参考訳（メタデータ） (2025-11-18T05:22:22Z)
• Coca-Splat: Collaborative Optimization for Camera Parameters and 3D Gaussians [26.3996055215988]
  Coca-Splatは、スパースビューのポーズレスシーン再構築と新規ビュー合成(NVS)の課題に対処する新しいアプローチである 変形検出TRansformerにインスパイアされ、3次元ガウスおよびカメラパラメータの別クエリを設計する。 変形可能なトランスフォーマー層を通じて層ごとにレイヤを更新し、単一のネットワークで共同最適化を可能にする。
  論文  参考訳（メタデータ） (2025-04-01T10:48:46Z)
• GaussianUDF: Inferring Unsigned Distance Functions through 3D Gaussian Splatting [49.60513072330759]
  本稿では,3次元ガウスとUDFのギャップを埋める新しい手法を提案する。 私たちのキーとなるアイデアは、表面上の細く平坦な2次元ガウス平面を過度に適合させ、それから自己超越と勾配に基づく推論を活用することである。 我々は, 境界を持つ開放面の精度, 効率, 完全性, シャープ性の観点から, 優位性を示す。
  論文  参考訳（メタデータ） (2025-03-25T08:46:55Z)
• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-18T08:18:44Z)
• RTG-SLAM: Real-time 3D Reconstruction at Scale using Gaussian Splatting [51.51310922527121]
  ガウススプラッティングを用いた大規模環境のためのRGBDカメラを用いたリアルタイム3D再構成システムを提案する。 それぞれのガウス語は不透明かほぼ透明で、不透明なものは表面色と支配的な色に、透明なものは残留色に適合する。 様々な大きなシーンをリアルタイムに再現し、新しいビュー合成とカメラトラッキングの精度のリアリズムにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-04-30T16:54:59Z)
• MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images [102.7646120414055]
  入力としてスパースなマルチビュー画像を与えられたMVSplatは、クリーンなフィードフォワード3Dガウスを予測できる。 大規模RealEstate10KとACIDベンチマークでは、MVSplatは高速フィードフォワード推論速度(22fps)で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-03-21T17:59:58Z)
• StopThePop: Sorted Gaussian Splatting for View-Consistent Real-time Rendering [42.91830228828405]
  本稿では,処理オーバーヘッドを最小限に抑えた新しい階層化手法を提案する。 提案手法はガウス版よりも平均で4%遅い。 レンダリング性能はほぼ2倍に向上し,従来のガウス版よりも1.6倍高速になった。
  論文  参考訳（メタデータ） (2024-02-01T11:46:44Z)
• DeformGS: Scene Flow in Highly Deformable Scenes for Deformable Object Manipulation [66.7719069053058]
  DeformGSは、複数のカメラからダイナミックなシーンを同時撮影することで、高度に変形可能なシーンのシーンフローを復元するアプローチである。 DeformGSは最先端と比較して平均55.8%の3Dトラッキングを改善している。 十分なテクスチャで、DeformGSは1.5 x 1.5 mの布の上で3.3mmの中央値追跡誤差を達成している。
  論文  参考訳（メタデータ） (2023-11-30T18:53:03Z)
• Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
  3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。 ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。 この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
  論文  参考訳（メタデータ） (2023-11-27T13:03:09Z)

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。