論文の概要: FLoTS-SLAM: Optical Flow-Derived Uncertainty for Monocular Dynamic SLAM with Two-Stage Optimization

• arxiv url: http://arxiv.org/abs/2610.23496v1
• Date: Fri, 16 Oct 2026 14:07:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.946507
• Title: FLoTS-SLAM: Optical Flow-Derived Uncertainty for Monocular Dynamic SLAM with Two-Stage Optimization
• Title（参考訳）: FLoTS-SLAM:2段階最適化による単分子動的SLAMの光学的フロー微分不確実性
• Abstract要約: 動的環境におけるリアルタイム動的物体識別は重要な問題である。 最近のアプローチでは、レンダリング残差やマルチビュー特徴の不整合から画素当たりの不確かさを推定し、動的領域を同定する。 動的シーンを対象としたモノクロRGB SLAMシステムを提案する。
• 参考スコア（独自算出の注目度）: 6.489654744333683
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Monocular simultaneous localization and mapping (SLAM) remains challenging in dynamic environments. Real-time dynamic object identification in such environments is a critical problem. Recent approaches estimate per-pixel uncertainty from rendering residuals or multiview feature inconsistency to identify dynamic regions. These methods lack direct motion evidence, and their accuracy may degrade when reconstruction is inaccurate or features are ambiguous. In addition, such uncertainty merely downweights pixels in bundle adjustment (BA), so inaccurate uncertainty estimates can still impair camera pose estimation and 3D reconstruction. Accordingly, we present a monocular RGB SLAM system for dynamic scenes. Specifically, a motion uncertainty estimation method is proposed to derive uncertainty from the residual between optical flow and camera motion induced flow, directly reflecting object motion. The estimation varies with frame alignment accuracy, reducing false detections and yielding accurate pixel-level masks of dynamic regions. To make BA more robust, we estimate camera poses from high confidence pixels. These poses are then used to reproject dynamic pixels during joint refinement of poses and depth, reducing the influence of object motion on both pose and depth updates. Moreover, we provide a quantitative evaluation of dynamic masks and analyze how these masks affect the downstream tracking and reconstruction of dynamic objects. Our approach improves the mean dynamic mask IoU by 35\% over a state-of-the-art baseline on DAVIS, and reduces the average ATE by 59\% on Bonn and 19\% on TUM relative to the SLAM backbone used in our system. The source code will be made publicly available.
• Abstract（参考訳）: 動的環境において単分子同時局在マッピング(SLAM)は依然として困難である。 このような環境でのリアルタイムな動的オブジェクト識別は重要な問題である。 最近のアプローチでは、レンダリング残差やマルチビュー特徴の不整合から画素当たりの不確かさを推定し、動的領域を同定する。 これらの手法には直接の動作証拠がなく、再建が不正確であったり、特徴が曖昧であったりすると精度が低下する可能性がある。 さらに、そのような不確実性は、バンドル調整(BA)において単に重みを減らしているだけであり、不正確な不確実性推定は、カメラのポーズ推定や3D再構成を損なう可能性がある。 そこで本研究では,動的シーンを対象とした単眼RGB SLAMシステムを提案する。 具体的には、物体の動きを直接反射する光学フローとカメラモーション誘導フローの残差から不確かさを導出する動き不確実性推定法を提案する。 この推定はフレームアライメントの精度、誤検出の低減、ダイナミック領域の画素レベルの正確なマスクの生成などによって異なる。 BAをより堅牢にするために、高信頼画素からのカメラのポーズを推定する。 これらのポーズは、ポーズと深さの合同精製中に動的ピクセルを再生成するために使用され、ポーズと深さの更新の両方に物体の動きの影響を減少させる。 さらに、動的マスクの定量的評価を行い、これらのマスクが動的物体の下流追跡と再構成に与える影響を分析する。 提案手法では,DAVISの最先端ベースラインに対して平均動的マスクIoUを35 %改善し,BONでは平均 ATE を59 %,TUMでは平均 ATE を19 %削減する。 ソースコードは一般公開される予定だ。

関連論文リスト

• 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)
• Motion-Aware Adaptive Pixel Pruning for Efficient Local Motion Deblurring [87.56382172827526]
  画像内のぼやけた領域を識別するトレーニング可能なマスク予測器を提案する。 また、相対的な画素変位を運動軌跡に変換するフレーム内運動解析器を開発した。 提案手法は, 再建損失, 再生損失, および注釈付きぼかしマスクで導かれるマスク損失の組合せを用いて, エンドツーエンドで訓練する。
  論文  参考訳（メタデータ） (2025-07-10T12:38:27Z)
• FlowDepth: Decoupling Optical Flow for Self-Supervised Monocular Depth Estimation [8.78717459496649]
  本稿では,ダイナミックモーションフローモジュール (DMFM) が機構ベースのアプローチで光学フローを分離し,動的領域をワープし,ミスマッチ問題を解くフローDepthを提案する。 高フレック領域と低テクスチャ領域による光度誤差の不公平性については,入力と損失レベルでそれぞれDepth-Cue-Aware Blur(DCABlur)とCost-Volumeの空間損失を用いて解決する。
  論文  参考訳（メタデータ） (2024-03-28T10:31:23Z)
• NID-SLAM: Neural Implicit Representation-based RGB-D SLAM in dynamic environments [9.706447888754614]
  動的環境におけるニューラルSLAMの性能を大幅に向上させるNID-SLAMを提案する。 本稿では, セマンティックマスクにおける不正確な領域, 特に辺縁領域における不正確な領域を強化するための新しいアプローチを提案する。 また,ダイナミックシーンの選択戦略を導入し,大規模オブジェクトに対するカメラトラッキングの堅牢性を高める。
  論文  参考訳（メタデータ） (2024-01-02T12:35:03Z)
• DynaMoN: Motion-Aware Fast and Robust Camera Localization for Dynamic Neural Radiance Fields [71.94156412354054]
  動的ニューラルラジアンス場(DynaMoN)の高速かつロバストなカメラ位置推定法を提案する。 DynaMoNは、初期のカメラポーズ推定と高速で正確なノベルビュー合成のための静的集光線サンプリングのために動的コンテンツを処理している。 我々は,TUM RGB-DデータセットとBONN RGB-D Dynamicデータセットの2つの実世界の動的データセットに対するアプローチを広く評価した。
  論文  参考訳（メタデータ） (2023-09-16T08:46:59Z)
• Robust Dynamic Radiance Fields [79.43526586134163]
  動的放射場再構成法は動的シーンの時間変化構造と外観をモデル化することを目的としている。 しかし、既存の手法では、正確なカメラポーズをStructure from Motion (SfM)アルゴリズムによって確実に推定できると仮定している。 カメラパラメータとともに静的および動的放射場を共同で推定することにより、このロバスト性問題に対処する。
  論文  参考訳（メタデータ） (2023-01-05T18:59:51Z)
• DiffPoseNet: Direct Differentiable Camera Pose Estimation [11.941057800943653]
  我々は,強靭かつ直接的な制約を強制するために,正規フロー推定のためのネットワークNFlowNetを導入する。 我々は,提案したDiffPoseNetの雑音に対する感度とデータセット間の一般化について,定性的かつ定量的に評価する。
  論文  参考訳（メタデータ） (2022-03-21T17:54:30Z)
• 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。