High-Fidelity SLAM Using Gaussian Splatting with Rendering-Guided Densification and Regularized Optimization

要約

私たちは、計量的に正確な姿勢追跡と視覚的に現実的な再構成を提供する 3D ガウス スプラッティングに基づく高密度 RGBD SLAM システムを提案します。
この目的を達成するために、最初に、未観察領域をマッピングし、再観察された領域を洗練するためのレンダリング損失に基づくガウス密度化戦略を提案します。
2 番目に、追加の正則化パラメーターを導入して、連続マッピング問題における忘却の問題を軽減します。この問題では、パラメーターが最新のフレームに過剰適合し、前のフレームのレンダリング品質が低下する傾向があります。
マッピングと追跡は両方とも、微分可能な方法で再レンダリングの損失を最小限に抑えることにより、ガウス パラメーターを使用して実行されます。
最近のニューラルおよび同時に開発されたガウス スプラッティング RGBD SLAM ベースラインと比較して、私たちの方法は合成データセット レプリカで最先端の結果を達成し、現実世界のデータセット TUM で競合する結果を達成します。

要約(オリジナル)

We propose a dense RGBD SLAM system based on 3D Gaussian Splatting that provides metrically accurate pose tracking and visually realistic reconstruction. To this end, we first propose a Gaussian densification strategy based on the rendering loss to map unobserved areas and refine reobserved areas. Second, we introduce extra regularization parameters to alleviate the forgetting problem in the continuous mapping problem, where parameters tend to overfit the latest frame and result in decreasing rendering quality for previous frames. Both mapping and tracking are performed with Gaussian parameters by minimizing re-rendering loss in a differentiable way. Compared to recent neural and concurrently developed gaussian splatting RGBD SLAM baselines, our method achieves state-of-the-art results on the synthetic dataset Replica and competitive results on the real-world dataset TUM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google