DG-SLAM: Robust Dynamic Gaussian Splatting SLAM with Hybrid Pose Optimization

要約

動的シーンで堅牢かつ正確な姿勢推定を実現することは、視覚的同時位置特定とマッピング (SLAM) における重要な研究課題です。
ガウス スプラッティングを SLAM システムに統合する最近の進歩により、明示的な 3D ガウス モデルを使用して高品質のレンダリングを作成するのに効果的であることが証明され、環境再構成の忠実度が大幅に向上しました。
ただし、これらのアプローチは静的な環境の仮定に依存しており、動的環境ではジオメトリと測光の観察に一貫性がないため課題に直面します。
この問題に対処するために、私たちは DG-SLAM を提案します。これは、高忠実度の再構成とともに正確なカメラ姿勢推定を提供する、3D ガウスに基づいた初の堅牢な動的ビジュアル SLAM システムです。
具体的には、ポーズ推定の精度とロバスト性を向上させるためのモーション マスク生成、適応ガウス ポイント管理、ハイブリッド カメラ追跡アルゴリズムなどの効果的な戦略を提案します。
広範な実験により、DG-SLAM が動的シーンでのカメラポーズ推定、マップ再構成、および新規ビュー合成において最先端のパフォーマンスを実現し、リアルタイム レンダリング能力を維持しながら既存の方法を上回るパフォーマンスを発揮することが実証されました。

要約(オリジナル)

Achieving robust and precise pose estimation in dynamic scenes is a significant research challenge in Visual Simultaneous Localization and Mapping (SLAM). Recent advancements integrating Gaussian Splatting into SLAM systems have proven effective in creating high-quality renderings using explicit 3D Gaussian models, significantly improving environmental reconstruction fidelity. However, these approaches depend on a static environment assumption and face challenges in dynamic environments due to inconsistent observations of geometry and photometry. To address this problem, we propose DG-SLAM, the first robust dynamic visual SLAM system grounded in 3D Gaussians, which provides precise camera pose estimation alongside high-fidelity reconstructions. Specifically, we propose effective strategies, including motion mask generation, adaptive Gaussian point management, and a hybrid camera tracking algorithm to improve the accuracy and robustness of pose estimation. Extensive experiments demonstrate that DG-SLAM delivers state-of-the-art performance in camera pose estimation, map reconstruction, and novel-view synthesis in dynamic scenes, outperforming existing methods meanwhile preserving real-time rendering ability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google