GARAD-SLAM: 3D GAussian splatting for Real-time Anti Dynamic SLAM

要約

3Dガウススプラッティング（3DGS）ベースのSLAMシステムは、リアルタイムの高忠実度レンダリングでの優れたパフォーマンスにより、広範囲にわたる注目を集めています。
ただし、動的なオブジェクトを備えた実際の環境では、既存の3DGSベースのSLAMシステムがマッピングエラーとドリフトの問題を追跡することがよくあります。
これらの問題に対処するために、動的シーンに合わせて調整されたリアルタイム3DGSベースのSLAMシステムであるGarad-Slamを提案します。
追跡に関しては、従来の方法とは異なり、ガウスの動的セグメンテーションを直接実行し、それらをフロントエンドに戻し、ガウスピラミッドネットワークを介して動的なポイントラベルを取得し、正確な動的除去と堅牢な追跡を実現します。
マッピングのために、単純な剪定によって引き起こされる不可逆的な誤った除去を回避するために、ネットワークを通じて更新される動的にラベル付けされたガウス人にレンダリングペナルティを課します。
現実世界のデータセットでの我々の結果は、ベースラインの方法と比較して、私たちの方法が追跡に競争力があり、レンダリングのアーティファクトが少なく、より高品質の再構成を生成することを示しています。

要約(オリジナル)

The 3D Gaussian Splatting (3DGS)-based SLAM system has garnered widespread attention due to its excellent performance in real-time high-fidelity rendering. However, in real-world environments with dynamic objects, existing 3DGS-based SLAM systems often face mapping errors and tracking drift issues. To address these problems, we propose GARAD-SLAM, a real-time 3DGS-based SLAM system tailored for dynamic scenes. In terms of tracking, unlike traditional methods, we directly perform dynamic segmentation on Gaussians and map them back to the front-end to obtain dynamic point labels through a Gaussian pyramid network, achieving precise dynamic removal and robust tracking. For mapping, we impose rendering penalties on dynamically labeled Gaussians, which are updated through the network, to avoid irreversible erroneous removal caused by simple pruning. Our results on real-world datasets demonstrate that our method is competitive in tracking compared to baseline methods, generating fewer artifacts and higher-quality reconstructions in rendering.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google