HI-SLAM2: Geometry-Aware Gaussian SLAM for Fast Monocular Scene Reconstruction

要約

HI-SLAM2 は、RGB 入力のみを使用して高速かつ正確な単眼シーンの再構成を実現する、ジオメトリを認識したガウス SLAM システムです。
既存の Neural SLAM または 3DGS ベースの SLAM メソッドは、レンダリング品質とジオメトリ精度の間でトレードオフになることがよくありますが、私たちの調査では、RGB 入力のみで両方を同時に達成できることが実証されています。
私たちのアプローチの重要なアイデアは、簡単に入手できる単眼事前分布と学習ベースの高密度 SLAM を組み合わせて、3D ガウス スプラッティングをコア マップ表現として使用してシーンを効率的にモデル化することで、ジオメトリ推定の能力を強化することです。
ループが終了すると、私たちのメソッドは、アンカーされたキーフレームの更新に基づいて 3D ガウス ユニットを明示的に変形することにより、効率的なポーズ グラフ バンドルの調整と即時マップの更新を通じて、オンザフライのグローバルな一貫性を確保します。
さらに、グリッドベースのスケール調整戦略を導入して、より詳細な深度の詳細について以前の深度でのスケールの一貫性を向上させます。
Replica、ScanNet、ScanNet++ での広範な実験を通じて、既存の Neural SLAM 手法を大幅に改善し、再構成とレンダリング品質の両方で RGB-D ベースの手法をも上回ることを実証しました。
プロジェクト ページとソース コードは https://hi-slam2.github.io/ で公開されます。

要約(オリジナル)

We present HI-SLAM2, a geometry-aware Gaussian SLAM system that achieves fast and accurate monocular scene reconstruction using only RGB input. Existing Neural SLAM or 3DGS-based SLAM methods often trade off between rendering quality and geometry accuracy, our research demonstrates that both can be achieved simultaneously with RGB input alone. The key idea of our approach is to enhance the ability for geometry estimation by combining easy-to-obtain monocular priors with learning-based dense SLAM, and then using 3D Gaussian splatting as our core map representation to efficiently model the scene. Upon loop closure, our method ensures on-the-fly global consistency through efficient pose graph bundle adjustment and instant map updates by explicitly deforming the 3D Gaussian units based on anchored keyframe updates. Furthermore, we introduce a grid-based scale alignment strategy to maintain improved scale consistency in prior depths for finer depth details. Through extensive experiments on Replica, ScanNet, and ScanNet++, we demonstrate significant improvements over existing Neural SLAM methods and even surpass RGB-D-based methods in both reconstruction and rendering quality. The project page and source code will be made available at https://hi-slam2.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google