UDGS-SLAM : UniDepth Assisted Gaussian Splatting for Monocular SLAM

要約

最近の単眼神経奥行き推定における進歩、特にUniDepthネットワークによって達成された進歩は、単眼SLAMのためのガウススプラッティングフレームワーク内にUniDepthを統合する研究を促している。本研究では、ガウススプラッティングフレームワーク内での深度推定にRGB-Dセンサを必要としない新しいアプローチであるUDGS-SLAMを提示する。UDGS-SLAMは、推定奥行きの局所的な一貫性を確保するために統計的フィルタリングを採用し、カメラ軌道とガウスシーン表現パラメータを共同で最適化する。提案手法は、高忠実度のレンダリング画像とカメラ軌道の低TERMSEを達成する。UDGS-SLAMの性能は、TUM RGB-Dデータセットを用いて厳密に評価され、いくつかのベースライン手法とのベンチマークにより、様々なシナリオにおいて優れた性能が実証された。さらに、設計上の選択を検証し、異なるネットワークバックボーンエンコーダがシステム性能に与える影響を調査するために、アブレーション研究が実施された。

要約(オリジナル)

Recent advancements in monocular neural depth estimation, particularly those achieved by the UniDepth network, have prompted the investigation of integrating UniDepth within a Gaussian splatting framework for monocular SLAM. This study presents UDGS-SLAM, a novel approach that eliminates the necessity of RGB-D sensors for depth estimation within Gaussian splatting framework. UDGS-SLAM employs statistical filtering to ensure local consistency of the estimated depth and jointly optimizes camera trajectory and Gaussian scene representation parameters. The proposed method achieves high-fidelity rendered images and low ATERMSE of the camera trajectory. The performance of UDGS-SLAM is rigorously evaluated using the TUM RGB-D dataset and benchmarked against several baseline methods, demonstrating superior performance across various scenarios. Additionally, an ablation study is conducted to validate design choices and investigate the impact of different network backbone encoders on system performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL