論文の概要: All-St3R SLAM: Real-time RGB Dynamic SLAM with Pixel-wise Motion Masking

• arxiv url: http://arxiv.org/abs/2610.16143v1
• Date: Mon, 12 Oct 2026 04:04:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.30484
• Title: All-St3R SLAM: Real-time RGB Dynamic SLAM with Pixel-wise Motion Masking
• Title（参考訳）: All-St3R SLAM: リアルタイムRGB動的SLAM
• Abstract要約: 本稿では,予め定義されたラベルやセグメンテーションモデルに頼ることなく,ピクセルレベルの移動物体を正確に除去するリアルタイムRGB動的SLAMフレームワークを提案する。 約10FPSで動作するシステムは、標準的な30FPSビデオストリーム上で3フレームごとのサブサンプリングによってリアルタイムのパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 17.760282099556576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: SLAM (Simultaneous Localization and Mapping) is a core technology in autonomous systems that enables them to estimate their own position and build a map of unknown environments simultaneously. SLAM systems in dynamic environments are of great practical importance. However, existing dynamic SLAM approaches still have several limitations like over-removal and high computational costs. To address these limitations, we propose a real-time RGB Dynamic SLAM framework that precisely removes moving objects at the pixel level without relying on predefined labels or segmentation models. Our system combines pixel motion predicted by ego-motion using DUSt3R with point tracking from All-Tracker, removing only actually moving pixels by analyzing discrepancies between the two motion sources. Unlike object-level masking methods, our approach eliminates only currently moving regions, allowing temporarily static parts to be utilized for tracking. Operating at approximately 10 FPS, the system achieves real-time performance on standard 30 FPS video streams by subsampling every 3 frames. Relying solely on RGB inputs, this significantly improves upon state-of-the-art dense dynamic SLAM approaches (0.5-3 FPS), presenting a highly practical solution.
• Abstract（参考訳）: SLAM(Simultaneous Localization and Mapping)は、自律システムにおける中核的な技術であり、それぞれの位置を推定し、未知の環境のマップを同時に構築することができる。 動的環境におけるSLAMシステムは極めて重要である。 しかし、既存の動的SLAMアプローチには、過剰除去や高い計算コストといったいくつかの制限がある。 これらの制約に対処するため、あらかじめ定義されたラベルやセグメンテーションモデルに頼ることなく、ピクセルレベルで動くオブジェクトを正確に除去するリアルタイムRGB Dynamic SLAMフレームワークを提案する。 本システムでは,DUSt3Rを用いたエゴモーションによって予測される画素の動きとAll-Trackerからの点追跡を組み合わせ,2つの運動源間の不一致を解析することによって,実際に動くピクセルのみを除去する。 オブジェクトレベルのマスキングとは異なり、我々の手法は現在動いている領域だけを排除し、一時的に静的な部分をトラッキングに利用できるようにする。 約10FPSで動作し、3フレーム毎にサブサンプリングすることで、標準的な30FPSビデオストリーム上でリアルタイムのパフォーマンスを実現する。 RGB入力のみを頼りにすることで、最先端の高密度SLAMアプローチ(0.5-3 FPS)により大幅に改善され、非常に実用的な解が提示される。

関連論文リスト

• 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)
• DROID-SLAM in the Wild [76.259688785743]
  本稿では,異なる不確かさを意識したバンドル調整を利用して動的環境を処理するリアルタイムRGB SLAMシステムを提案する。 提案システムは,10FPS前後でリアルタイムに動作しながら,散在する動的シナリオにおいて,最先端カメラのポーズとシーン形状を実現する。
  論文  参考訳（メタデータ） (2026-03-19T16:02:12Z)
• Dy3DGS-SLAM: Monocular 3D Gaussian Splatting SLAM for Dynamic Environments [5.050525952210101]
  モノクロRGB入力を用いた動的シーンのための3次元ガウススティング(3DGS)SLAM法であるDy3DGS-SLAMを提案する。 その結果,Dy3DGS-SLAMは動的環境下での最先端のトラッキングとレンダリングを実現することがわかった。
  論文  参考訳（メタデータ） (2025-06-06T10:43:41Z)
• Back on Track: Bundle Adjustment for Dynamic Scene Reconstruction [86.099855111676]
  従来のSLAMシステムは、カジュアルなビデオでよく見られる非常にダイナミックなシーンと格闘する。 この研究は3Dポイントトラッカーを利用して、カメラによる動的物体の動きからカメラによる動きを分離する。 私たちのフレームワークは、従来のSLAM -- バンドル調整 -- の中核を、堅牢な学習ベースの3Dトラッカーフロントエンドと組み合わせています。
  論文  参考訳（メタデータ） (2025-04-20T07:29:42Z)
• NGD-SLAM: Towards Real-Time Dynamic SLAM without GPU [4.959552873584984]
  本稿では,CPU上でのみ動作するリアルタイム動的SLAMシステムを提案する。 本稿では,カメラ追跡と深層学習に基づくマスキングを分離するマスク伝搬機構を提案する。 従来の手法と比較して,ラップトップCPU上での追跡フレームレート60FPSを実現しつつ,動的環境における高精度なローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2024-05-12T23:00:53Z)
• DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM [2.9822184411723645]
  DynaSLAM IIは、ステレオおよびRGB-D構成のための視覚的SLAMシステムであり、マルチオブジェクト追跡機能を密に統合している。 動的物体の追跡はシーン理解のための豊富な手がかりを提供するだけでなく、カメラ追跡にも有用であることを示す。
  論文  参考訳（メタデータ） (2020-10-15T15:25:30Z)
• DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
  DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。 実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。 提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2020-09-30T18:36:28Z)

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。