NGM-SLAM: Gaussian Splatting SLAM with Radiance Field Submap

要約

ガウス スプラッティングは、その卓越したパフォーマンスにより広く注目を集めています。
その結果、ガウス スプラッティングに基づく SLAM システムが登場し、その機能を活用して高速リアルタイム レンダリングと高忠実度マッピングが実現されました。
しかし、現在のガウス スプラッティング SLAM システムは通常、大規模なシーン表現に苦労しており、効果的なループ クロージャ調整やシーン一般化機能が不足しています。
これらの問題に対処するために、NGM-SLAM を導入します。NGM-SLAM は、プログレッシブ シーン表現に神経放射フィールド サブマップを利用し、神経放射フィールドと 3D ガウス スプラッティングの長所を効果的に統合する初の GS-SLAM システムです。
私たちは監視としてニューラル暗黙的サブマップを開発し、融合サブマップのガウス レンダリングを通じて高品質のシーン表現とオンライン ループ クロージャ調整を実現しました。
複数の実世界のシーンと大規模なシーン データセットに関する結果は、私たちの方法が正確なギャップ充填と高品質のシーン表現を達成でき、単眼、ステレオ、および RGB-D 入力の両方をサポートし、最新の状態を達成できることを示しています。
アートシーンの再構成とパフォーマンスの追跡。

要約(オリジナル)

Gaussian Splatting has garnered widespread attention due to its exceptional performance. Consequently, SLAM systems based on Gaussian Splatting have emerged, leveraging its capabilities for rapid real-time rendering and high-fidelity mapping. However, current Gaussian Splatting SLAM systems usually struggle with large scene representation and lack effective loop closure adjustments and scene generalization capabilities. To address these issues, we introduce NGM-SLAM, the first GS-SLAM system that utilizes neural radiance field submaps for progressive scene expression, effectively integrating the strengths of neural radiance fields and 3D Gaussian Splatting. We have developed neural implicit submaps as supervision and achieve high-quality scene expression and online loop closure adjustments through Gaussian rendering of fused submaps. Our results on multiple real-world scenes and large-scale scene datasets demonstrate that our method can achieve accurate gap filling and high-quality scene expression, supporting both monocular, stereo, and RGB-D inputs, and achieving state-of-the-art scene reconstruction and tracking performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google