CaRtGS: Computational Alignment for Real-Time Gaussian Splatting SLAM

要約

同時ローカリゼーションとマッピング（SLAM）は、ロボット工学では極めて重要であり、フォトリアリック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シーンの再構築の効率と品質を高め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スラム（CARTG）の計算アラインメントを導入します。
3Dガウススプラッティング（3DG）を活用すると、CARTGは優れたレンダリング品質と処理速度を達成します。
私たちのアプローチは、最適化の繰り返しを強化し、長期尾の最適化に対処し、密度を改善する適応戦略を通じて、ガウスのスプラットスラム（GS-SLAM）の計算不整合に取り組みます。
レプリカ、TUM-RGBD、およびベクトルデータセットの実験は、ガウスのプリミティブが少ないため、忠実度の高いレンダリングを達成する際のCARTGSの有効性を示しています。
この作品は、リアルタイムの光リアリスティックな密なレンダリングに向かってスラムを推進し、光リアリスティックなシーンの表現を大幅に進めます。
研究コミュニティの利益のために、プロジェクトWebサイトhttps：//dapengfeng.github.io/cartgsでコードと付随するビデオをリリースします。

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 enhances optimization iterations, addresses long-tail optimization, and refines densification. Experiments on Replica, TUM-RGBD, and VECtor 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 and accompanying videos on our project website: https://dapengfeng.github.io/cartgs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google