SLAM2025/6/1arXiv:2506.00970

2Dガウシアンスプラッティングによる大域的に一貫したRGB-D SLAM

Globally Consistent RGB-D SLAM with 2D Gaussian Splatting

2Dガウシアンスプラッティングを地図表現に用い、深度一貫性を活かしたカメラ姿勢最適化とMASt3Rによるループ検出・再局在化で、高精度かつ大域的に一貫したRGB-D SLAMを実現した。

詳しい要約

1. どんなもの？

- RGB-D SLAM システム「2DGS-SLAM」の提案 - 地図表現に 2D Gaussian splatting を用いる - 高忠実度の 3D 再構成と globally consistent な mapping を狙う - 深度整合的な rendering と loop closure の効率化を図る - オンラインでの globally consistent mapping を目指す

2. 先行研究と比べてどこがすごい？

- 既存の 3D Gaussian splatting ベース RGB-D SLAM は高忠実度再構成を示す - しかし depth rendering consistency の欠如と loop closure の非効率が課題 - 2D variant の depth-consistent rendering 特性を活用 - 既存の rendering-based SLAM と比べ tracking 精度・表面再構成品質・global map 一貫性で優位 - 高忠実度 image rendering を維持しつつ計算効率も改善

3. 技術・手法の肝は？

- 地図表現に 2D Gaussian splatting を採用 - 2D variant の depth-consistent rendering 特性を利用 - 正確な camera pose optimization を提案 - MASt3R（3D foundation model）を活用した loop detection と camera relocalization - local active map を維持することで効率的な map updates を実現

4. どうやって有効だと検証した？

- 実験により tracking accuracy の向上を確認 - 表面再構成品質（surface reconstruction quality）の向上を確認 - 既存 rendering-based SLAM と比較し global map reconstruction の一貫性が高い - 高忠実度 image rendering を維持 - 計算効率の改善を確認 - 具体的なデータセット名や評価指標は要旨からは不明

5. 議論はある？

- 既存手法の depth rendering consistency 欠如と loop closure 非効率を課題として指摘 - 2D Gaussian splatting の depth 整合性が pose 最適化と幾何再構成に有効と主張 - MASt3R による loop detection・relocalization の効率性を主張 - local active map 維持による map update 効率化を主張 - 限界や失敗事例の詳細は要旨からは不明

6. 次に読むべき論文は？

- 3D Gaussian splatting-based RGB-D SLAM（比較対象の既存手法） - MASt3R（3D foundation model） - 2D Gaussian Splatting（2DGS） - 関連する rendering-based SLAM 手法 - loop closure や relocalization に関する SLAM 研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xingguang Zhong, Yue Pan, Liren Jin, Marija Popović, Jens Behley, Cyrill Stachniss

分類: cs.RO

原文アブストラクト

Recently, 3D Gaussian splatting-based RGB-D SLAM displays remarkable performance of high-fidelity 3D reconstruction. However, the lack of depth rendering consistency and efficient loop closure limits the quality of its geometric reconstructions and its ability to perform globally consistent mapping online. In this paper, we present 2DGS-SLAM, an RGB-D SLAM system using 2D Gaussian splatting as the map representation. By leveraging the depth-consistent rendering property of the 2D variant, we propose an accurate camera pose optimization method and achieve geometrically accurate 3D reconstruction. In addition, we implement efficient loop detection and camera relocalization by leveraging MASt3R, a 3D foundation model, and achieve efficient map updates by maintaining a local active map. Experiments show that our 2DGS-SLAM approach achieves superior tracking accuracy, higher surface reconstruction quality, and more consistent global map reconstruction compared to existing rendering-based SLAM methods, while maintaining high-fidelity image rendering and improved computational efficiency.

arXivで原文を読む →arXiv概要ページ

2Dガウシアンスプラッティングによる大域的に一貫したRGB-D SLAM

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell