論文の概要: Pow3R-SLAM: Real-Time RGB-D SLAM with 3D Reconstruction Priors

• arxiv url: http://arxiv.org/abs/2609.38054v1
• Date: Tue, 29 Sep 2026 17:22:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.781622
• Title: Pow3R-SLAM: Real-Time RGB-D SLAM with 3D Reconstruction Priors
• Title（参考訳）: Pow3R-SLAM:3次元再構成を前提としたリアルタイムRGB-D SLAM
• Abstract要約: Pow3R-SLAM(Pow3R-SLAM)は,Pow3Rを用いたリアルタイムRGB-D同時ローカライゼーション・マッピングシステムである。 MASt3R-SLAMにインスパイアされた最近のモノクラーSLAMの研究は,ネットワークの予測に先立って深度を組み込むよう拡張した。
• 参考スコア（独自算出の注目度）: 1.37013665345905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Pow3R-SLAM, a real-time RGB-D simultaneous localization and mapping (SLAM) system that uses Pow3R for tracking and mapping. Inspired by MASt3R-SLAM, a recent work on monocular SLAM using two-view 3D reconstruction priors, we extend the work to incorporate depth as a prior on the network's prediction, rather than as geometry to fuse. Where traditional RGB-D SLAM systems struggle with sparsity in the depth images, Pow3R utilizes the available depth to give a better-conditioned pointmap, while inferring the depths in empty regions from the two-view photometric, depth, and intrinsic data. Evaluated against MASt3R-SLAM following its protocol on 24 sequences from TUM, 7-Scenes, and Replica, Pow3R-SLAM runs 1.6x faster in wall time, has 15% lower mean trajectory error, a 3.1x lower unscaled error, and produces denser maps, with a 30% lower Chamfer distance. We also introduce a hybrid variant that runs 2.1x faster than MASt3R-SLAM at 25.3 frames per second (FPS), while maintaining improved tracking and mapping accuracy. Against ORB-SLAM3 in RGB-D mode, Pow3R-SLAM is more accurate on TUM, 7-Scenes, and ETH3D-SLAM, and completes every TUM sequence. While Pow3R-SLAM can struggle on a small set of self-similar scenes, its overall performance shows that adding depth as a prior for two-view 3D reconstruction SLAM can be beneficial. A project webpage is available at: https://ChrisKolios.github.io/Pow3R-SLAM , and code will be made open-source upon acceptance.
• Abstract（参考訳）: Pow3R-SLAM(Pow3R-SLAM)は,Pow3Rを用いたリアルタイムRGB-D同時ローカライゼーション・マッピングシステムである。 MASt3R-SLAMに触発された最近のモノクラーSLAMの2次元再構成による研究は、幾何学的なヒューズではなく、ネットワークの予測の先として深度を組み込むよう拡張した。 従来のRGB-D SLAMシステムは、深度画像の空間性に苦しむが、Pow3Rは、2ビューの測光、深度、本質的なデータから空の領域の深度を推定しながら、よりコンディションの良い点マップを与えるために利用可能な深度を利用する。 TUM、7-Scenes、Replicaの24のシーケンスでMASt3R-SLAMに対して評価すると、Pow3R-SLAMは壁の時間で1.6倍速く動き、平均軌道誤差は15%低く、非スケール誤差は3.1倍小さく、シャムファー距離は30%低い。 また、1秒25.3フレーム(FPS)でMASt3R-SLAMより2.1倍高速に動作し、トラッキングとマッピングの精度の向上を維持したハイブリッド版も導入する。 RGB-DモードのORB-SLAM3に対して、Pow3R-SLAMはTUM、7-Scenes、ETH3D-SLAMでより正確であり、全てのTUMシーケンスを完成させる。 Pow3R-SLAMは、小さな自己相似シーンで苦労するが、全体的なパフォーマンスは、2次元の3D再構成SLAMの先行として深度を付加することが有益であることを示している。 プロジェクトのWebページはhttps://ChrisKolios.github.io/Pow3R-SLAMで公開されている。

関連論文リスト

• 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)
• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
  PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。 初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-31T08:58:10Z)
• SLAM3R: Real-Time Dense Scene Reconstruction from Monocular RGB Videos [33.57444419305241]
  SLAM3Rは、RGBビデオを用いたリアルタイム、高品質、高密度な3D再構成のための新しいシステムである。 フィードフォワードニューラルネットワークを通じて、ローカルな3D再構成とグローバルな座標登録をシームレスに統合する。 20FPS以上のリアルタイム性能を維持しつつ、最先端の復元精度と完全性を達成する。
  論文  参考訳（メタデータ） (2024-12-12T16:08:03Z)
• HI-SLAM2: Geometry-Aware Gaussian SLAM for Fast Monocular Scene Reconstruction [38.47566815670662]
  HI-SLAM2は、RGB入力のみを用いて高速かつ正確な単眼シーン再構築を実現する幾何学的ガウスSLAMシステムである。 既存のニューラルSLAM法よりも大幅に改善され,RGB-D法を上回り,再現性もレンダリング性も向上した。
  論文  参考訳（メタデータ） (2024-11-27T01:39:21Z)
• Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians [87.48403838439391]
  3D Splattingは、RGBのみの高密度SLAMの幾何学と外観の強力な表現として登場した。 本稿では,高密度な3次元ガウス写像表現を持つRGBのみのSLAMシステムを提案する。 Replica、TUM-RGBD、ScanNetのデータセットに対する実験は、グローバルに最適化された3Dガウスの有効性を示している。
  論文  参考訳（メタデータ） (2024-05-26T12:26:54Z)
• GlORIE-SLAM: Globally Optimized RGB-only Implicit Encoding Point Cloud SLAM [53.6402869027093]
  フレキシブルなニューラルポイントクラウド表現シーンを用いたRGBのみの高密度SLAMシステムを提案する。 また,単分子深度とともに暗黙のポーズと深さを最適化する新しいDSPO層を導入する。
  論文  参考訳（メタデータ） (2024-03-28T16:32:06Z)
• ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of Signed Distance Fields [2.0625936401496237]
  ESLAMは、未知のカメラポーズでRGB-Dフレームを読み出し、シーン表現を漸進的に再構築する。 ESLAMは3次元再構成の精度を向上し、最先端の高密度視覚SLAM法のカメラローカライゼーションを50%以上向上する。
  論文  参考訳（メタデータ） (2022-11-21T18:25:14Z)

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。