Compact 3D Gaussian Splatting For Dense Visual SLAM

要約

最近の研究では、3D ガウス ベースの SLAM により、高品質の再構成、正確な姿勢推定、およびシーンのリアルタイム レンダリングが可能になることが示されています。
ただし、これらのアプローチは膨大な数の冗長な 3D ガウス楕円体に基づいて構築されているため、メモリとストレージのコストが高くなり、トレーニング速度が遅くなります。
この制限に対処するために、ガウス楕円体の数とパラメータ サイズを削減するコンパクトな 3D ガウス スプラッティング SLAM システムを提案します。
冗長な楕円体を減らすために、スライディング ウィンドウ ベースのマスキング戦略が最初に提案されます。
次に、ほとんどの 3D ガウス楕円体の共分散行列 (幾何学) が非常に類似していることを観察します。これにより、新しい幾何学コードブックが 3D ガウス幾何学属性、つまりパラメータを圧縮するようになります。
再投影損失を伴うグローバル バンドル調整方法により、堅牢かつ正確な姿勢推定が実現されます。
広範な実験により、私たちの方法がシーン表現の最先端 (SOTA) 品質を維持しながら、より高速なトレーニングとレンダリング速度を達成できることが実証されました。

要約(オリジナル)

Recent work has shown that 3D Gaussian-based SLAM enables high-quality reconstruction, accurate pose estimation, and real-time rendering of scenes. However, these approaches are built on a tremendous number of redundant 3D Gaussian ellipsoids, leading to high memory and storage costs, and slow training speed. To address the limitation, we propose a compact 3D Gaussian Splatting SLAM system that reduces the number and the parameter size of Gaussian ellipsoids. A sliding window-based masking strategy is first proposed to reduce the redundant ellipsoids. Then we observe that the covariance matrix (geometry) of most 3D Gaussian ellipsoids are extremely similar, which motivates a novel geometry codebook to compress 3D Gaussian geometric attributes, i.e., the parameters. Robust and accurate pose estimation is achieved by a global bundle adjustment method with reprojection loss. Extensive experiments demonstrate that our method achieves faster training and rendering speed while maintaining the state-of-the-art (SOTA) quality of the scene representation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google