Embracing Dynamics: Dynamics-aware 4D Gaussian Splatting SLAM

要約

同時ローカリゼーションとマッピング（SLAM）テクノロジーには、3Dガウススプラッティング（3DG）のリアルタイムの高忠実度レンダリング機能のおかげで、光エアリスティックマッピング機能があります。
ただし、シーンの静的な表現により、現在の3DGSベースのSLAMは、ポーズドリフトと動的環境で正確なマップの再構築に失敗した問題に遭遇します。
この問題に対処するために、動的環境の4DGSマップ表現に基づいた最初のSLAMメソッドであるD4DGS-SLAMを提示します。
一時的な次元をシーン表現に組み込むことにより、D4DGS-SLAMは動的シーンの高品質の再構築を可能にします。
ダイナミクスを意識したインフモジュールを利用して、シーンポイントのダイナミクス、可視性、および信頼性を取得し、それに応じて追跡するための安定した静的ポイントをフィルターすることができます。
ガウスポイントを最適化するとき、さまざまな動的特性を持つガウスに異なる等方性正規化項を適用します。
実際の動的シーンデータセットでの実験結果は、カメラが追跡とマップの品質の両方で最先端のアプローチを上回る方法を示していることを示しています。

要約(オリジナル)

Simultaneous localization and mapping (SLAM) technology now has photorealistic mapping capabilities thanks to the real-time high-fidelity rendering capability of 3D Gaussian splatting (3DGS). However, due to the static representation of scenes, current 3DGS-based SLAM encounters issues with pose drift and failure to reconstruct accurate maps in dynamic environments. To address this problem, we present D4DGS-SLAM, the first SLAM method based on 4DGS map representation for dynamic environments. By incorporating the temporal dimension into scene representation, D4DGS-SLAM enables high-quality reconstruction of dynamic scenes. Utilizing the dynamics-aware InfoModule, we can obtain the dynamics, visibility, and reliability of scene points, and filter stable static points for tracking accordingly. When optimizing Gaussian points, we apply different isotropic regularization terms to Gaussians with varying dynamic characteristics. Experimental results on real-world dynamic scene datasets demonstrate that our method outperforms state-of-the-art approaches in both camera pose tracking and map quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google