IG-SLAM: Instant Gaussian SLAM

要約

3Dガウススプラッティングは、神経暗黙表現に代わるSLAMシステムのシーン表現として、最近有望な結果を示している。しかし、現在の手法では、マッピングプロセスを監督するための高密度な深度マップや、環境のスケールを考慮した詳細な学習設計が欠けている。これらの欠点に対処するために、我々は、追跡のためのロバストなDense-SLAM法を採用し、それらをガウススプラッティングと組み合わせた、高密度RGBのみのSLAMシステムであるIG-SLAMを提示する。環境の3Dマップは、トラッキングによって提供される正確なポーズと高密度な深度を用いて構築される。さらに、3D再構成を改善するために、マップ最適化において奥行きの不確実性を利用する。マップ最適化における我々の減衰戦略は収束性を高め、単一処理で10fpsのシステム動作を可能にする。我々は、より高速な動作速度を達成しながら、最新のRGBのみのSLAMシステムと競合する性能を実証する。Replica、TUM-RGBD、ScanNet、EuRoCデータセットでの実験を紹介する。本システムは、特にEuRoCデータセットにおいて、大規模シーケンスにおけるフォトリアリスティックな3D再構成を達成している。

要約(オリジナル)

3D Gaussian Splatting has recently shown promising results as an alternative scene representation in SLAM systems to neural implicit representations. However, current methods either lack dense depth maps to supervise the mapping process or detailed training designs that consider the scale of the environment. To address these drawbacks, we present IG-SLAM, a dense RGB-only SLAM system that employs robust Dense-SLAM methods for tracking and combines them with Gaussian Splatting. A 3D map of the environment is constructed using accurate pose and dense depth provided by tracking. Additionally, we utilize depth uncertainty in map optimization to improve 3D reconstruction. Our decay strategy in map optimization enhances convergence and allows the system to run at 10 fps in a single process. We demonstrate competitive performance with state-of-the-art RGB-only SLAM systems while achieving faster operation speeds. We present our experiments on the Replica, TUM-RGBD, ScanNet, and EuRoC datasets. The system achieves photo-realistic 3D reconstruction in large-scale sequences, particularly in the EuRoC dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL