CaRtGS: Computational Alignment for Real-Time Gaussian Splatting SLAM

要約

Simultaneous Localization and Mapping (SLAM) はロボット工学において極めて重要であり、写真のようにリアルなシーンの再構築が重要な課題として浮上しています。
これに対処するために、リアルタイム環境でのフォトリアリスティックなシーン再構築の効率と品質を向上させる新しい方法である、リアルタイム ガウス スプラッティング SLAM (CaRtGS) のための計算アライメントを導入します。
3D ガウス スプラッティング (3DGS) を活用する CaRtGS は、シーンの写真のようにリアルな再構築に重要な優れたレンダリング品質と処理速度を実現します。
私たちのアプローチは、トレーニングを最適化し、ロングテール最適化に取り組み、高密度化を洗練する適応戦略を通じて、ガウス スプラッティング SLAM (GS-SLAM) の計算ミスアライメントに取り組みます。
レプリカおよび TUM-RGBD データセットの実験では、より少ないガウス プリミティブで高忠実度のレンダリングを実現する CaRtGS の有効性を実証しています。
この取り組みにより、SLAM はリアルタイムのフォトリアリスティックな高密度レンダリングに向けて推進され、フォトリアリスティックなシーン表現が大幅に進歩しました。
研究コミュニティの利益のために、私たちはプロジェクトの Web サイト (https://dapengfeng.github.io/cartgs) でコードをリリースします。

要約(オリジナル)

Simultaneous Localization and Mapping (SLAM) is pivotal in robotics, with photorealistic scene reconstruction emerging as a key challenge. To address this, we introduce Computational Alignment for Real-Time Gaussian Splatting SLAM (CaRtGS), a novel method enhancing the efficiency and quality of photorealistic scene reconstruction in real-time environments. Leveraging 3D Gaussian Splatting (3DGS), CaRtGS achieves superior rendering quality and processing speed, which is crucial for scene photorealistic reconstruction. Our approach tackles computational misalignment in Gaussian Splatting SLAM (GS-SLAM) through an adaptive strategy that optimizes training, addresses long-tail optimization, and refines densification. Experiments on Replica and TUM-RGBD datasets demonstrate CaRtGS’s effectiveness in achieving high-fidelity rendering with fewer Gaussian primitives. This work propels SLAM towards real-time, photorealistic dense rendering, significantly advancing photorealistic scene representation. For the benefit of the research community, we release the code on our project website: https://dapengfeng.github.io/cartgs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google