論文の概要: RoMo-GS: Efficient Online 3D Gaussian Splatting for Robot Mapping via Exposure-Integrated Motion Blur

• arxiv url: http://arxiv.org/abs/2610.24605v1
• Date: Sat, 17 Oct 2026 10:15:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-22 17:26:44.201995
• Title: RoMo-GS: Efficient Online 3D Gaussian Splatting for Robot Mapping via Exposure-Integrated Motion Blur
• Title（参考訳）: RoMo-GS:露光型モーションブラジャーによるロボットマッピングのための効率的なオンライン3Dガウススプラッティング
• Abstract要約: 3DGSは、ロボティクスアプリケーションのための表現を構築するための実践的な方法として浮上している。 現実のプラットフォームにデプロイすることは、さまざまな課題を露呈する。 本稿では,これらの課題に対処するオンライン3DGSシステムであるRoMo-GSを紹介する。
• 参考スコア（独自算出の注目度）: 8.36595296246464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online 3D Gaussian Splatting (3DGS) is emerging as a practical way to build a representation for robotics applications. However, deploying it on real-world platforms exposes multiple challenges. Rapid maneuvers of a robot induce motion-blurred images, which corrupt the reconstructed geometry and cause camera pose drift. Furthermore, the number of Gaussians grows without bound during continuous online mapping. In this study, we present RoMo-GS, an online 3DGS system designed to address these challenges. Instead of averaging N discrete sub-frames as in prior motion blur-aware 3DGS, we analytically integrate each projected Gaussian over the exposure interval, yielding an O(1) complexity per Gaussian. Building on this, we bound the Gaussians' growth with a Hessian-based pruning score, while jointly refining pose, velocity, and Gaussians with Adam and an online LM step over the Gaussians. On multiple public datasets and a self-collected dataset, RoMo-GS matches or exceeds offline deblurring 3DGS methods in rendering quality while running 15--150x faster, and operates online at competitive quality with about 20% fewer Gaussians than the online 3DGS baseline.
• Abstract（参考訳）: Online 3D Gaussian Splatting (3DGS)は、ロボティクスアプリケーションの表現を構築するための実用的な方法として登場した。 しかし、それを現実世界のプラットフォームにデプロイすることは、いくつかの課題を露呈する。 ロボットの迅速な操作は、再構成された幾何学を破損させ、カメラのポーズをドリフトさせるような、動きのあるイメージを誘導する。 さらに、連続したオンラインマッピングの間、ガウスの数は拘束力なく成長する。 本研究では,これらの課題に対処するオンライン3DGSシステムであるRoMo-GSを提案する。 従来の3DGSのようにN個の離散部分フレームを平均化する代わりに、各射影されたガウスを露光区間上で解析的に積分し、ガウス毎のO(1)複雑性が得られる。 これに基づいて、我々はガウス人の成長をヘッセンのプルーニングスコアと結び付ける一方で、アダムと共同でポーズ、ベロシティ、ガウス人の行動、そしてガウス人のオンラインLMステップに結び付けます。 複数の公開データセットと自己収集データセット上では、RoMo-GSはオフラインで3DGSのメソッドにマッチするか、あるいはオーバーロードしてレンダリング品質を15～150倍速くし、オンラインの3DGSベースラインよりも約20%少ないガウスで、競争力のある品質でオンラインで運用する。

関連論文リスト

• Quantile Rendering: Efficiently Embedding High-dimensional Feature on 3D Gaussian Splatting [52.18697134979677]
  コンピュータビジョンの最近の進歩は、3Dガウススプラッティング(3D-GS)を活用して、OVS(Open-vocabulary segmentation)を3Dドメインに拡張することに成功している。 既存の方法はコードブックや特徴圧縮を採用しており、情報損失を引き起こし、セグメンテーションの品質が低下する。 本稿では,高忠実度を維持しながら高次元特徴を効率的に処理する3次元ガウスの新たなレンダリング戦略であるQuantile Rendering(Q-Render)を紹介する。 本フレームワークは,512次元特徴写像上での43.7倍の高速化でリアルタイムレンダリングを実現するとともに,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2025-12-24T04:16:18Z)
• 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)
• SAGOnline: Segment Any Gaussians Online [17.33447710659887]
  3D Gaussian Splatting (3DGS) は、明示的な3Dシーン表現のための強力なパラダイムとして登場した。 現在の手法では, 計算コストの禁止, 空間的推論の制限, 複数物体の同時追跡が困難となっている。 Segment Any Gaussians Online (SAGOnline) はガウスシーンにおけるリアルタイム3Dセグメンテーションのための軽量でゼロショットのフレームワークである。
  論文  参考訳（メタデータ） (2025-08-11T17:38:50Z)
• UniGS: Modeling Unitary 3D Gaussians for Novel View Synthesis from Sparse-view Images [20.089890859122168]
  我々は,新しい3次元ガウス再構成と新しいビュー合成モデルであるUniGSを紹介する。 UniGSは、任意の数のスパースビュー画像から3Dガウスの高忠実度表現を予測する。
  論文  参考訳（メタデータ） (2024-10-17T03:48:02Z)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• GSGAN: Adversarial Learning for Hierarchical Generation of 3D Gaussian Splats [20.833116566243408]
  本稿では,Gaussianを3D GANの3次元表現として利用し,その効率的かつ明示的な特徴を活用する。 生成したガウスの位置とスケールを効果的に正規化する階層的多スケールガウス表現を持つジェネレータアーキテクチャを導入する。 実験結果から,最先端の3D一貫したGANと比較して,レンダリング速度(x100)が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-06-05T05:52:20Z)
• AGG: Amortized Generative 3D Gaussians for Single Image to 3D [108.38567665695027]
  Amortized Generative 3D Gaussian framework (AGG) を導入する。 AGGは、共同最適化のための3Dガウス位置およびその他の外観特性の生成を分解する。 本稿では,まず3次元データの粗い表現を生成し,後に3次元ガウス超解像モジュールでアップサンプリングするカスケードパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-08T18:56:33Z)

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。