SLAM2025/8/1arXiv:2508.07003

EGS-SLAM: イベント融合RGB-DガウシアンスプラッティングSLAM

EGS-SLAM: RGB-D Gaussian Splatting SLAM with Events

イベントカメラとRGB-D入力を融合し、激しいモーションブラー下でも高精度な追跡とフォトリアルな3D再構成を実現するガウシアンスプラッティングSLAMを提案。

詳しい要約

1. どんなもの？

- RGB-D 入力と event camera のデータを融合する新しい GS-SLAM フレームワーク EGS-SLAM を提案 - 強い motion blur 下でも tracking と photorealistic な 3D Gaussian Splatting 再構成を両立させることを狙う - 露光中のカメラの連続 trajectory を陽にモデル化し、event と blur を考慮した tracking/mapping を統合 3D Gaussian Splatting scene 上で行う - learnable camera response function と no-event loss を導入 - 合成および実世界の強い motion blur を含む新 dataset で検証

2. 先行研究と比べてどこがすごい？

- 既存 GS-SLAM は photorealistic 3D 再構成を可能にする点で従来 SLAM より優れるが、持続的で severe な motion blur 下では tracking 精度と再構成品質が大きく劣化する - EGS-SLAM は event data と RGB-D を融合し、画像の motion blur 低減と event stream の sparse/discrete 性の補償を同時に行う - その結果、既存 GS-SLAM に対し trajectory 精度と photorealistic 3D Gaussian Splatting 再構成の両方で一貫して上回ると報告 - 強い motion blur を含む新 dataset を構築した点も貢献

3. 技術・手法の肝は？

- event と RGB-D を融合する GS-SLAM フレームワーク - 露光中のカメラの連続 trajectory を陽にモデル化し、event-aware かつ blur-aware な tracking と mapping を統一 3D Gaussian Splatting scene 上で実行 - event と画像の dynamic range を揃えるための learnable camera response function - 再構成時の ringing artifacts を抑制する no-event loss - 画像の motion blur 低減と event stream の sparse/discrete 性の補償を同時に狙う設計

4. どうやって有効だと検証した？

- 合成および実世界の強い motion blur を含む新 dataset を構築して評価 - 既存 GS-SLAM システムとの比較を実施 - trajectory 精度と photorealistic 3D Gaussian Splatting 再構成の両面で一貫した優位性を示す実験結果を報告 - 具体的な指標・baseline 名・数値は要旨からは不明

5. 議論はある？

- 要旨からは不明 - 想定される論点として、event と RGB-D の融合設計、learnable camera response function の一般性、no-event loss の ringing 抑制効果、強い motion blur 下での限界などが考えられるが、要旨には明示されていない

6. 次に読むべき論文は？

- 比較対象として言及される既存 GS-SLAM システム（具体的名称は要旨からは不明） - Gaussian Splatting を用いた SLAM の代表的手法（例: Gaussian Splatting SLAM 関連研究） - event camera を用いた visual SLAM / odometry の関連研究 - event と frame を融合する blur-aware な tracking/mapping 研究 - camera response function 推定や event と画像の domain alignment に関する研究

※ 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: Siyu Chen, Shenghai Yuan, Thien-Minh Nguyen, Zhuyu Huang, Chenyang Shi, Jin Jing, Lihua Xie

分類: cs.RO

原文アブストラクト

Gaussian Splatting SLAM (GS-SLAM) offers a notable improvement over traditional SLAM methods, enabling photorealistic 3D reconstruction that conventional approaches often struggle to achieve. However, existing GS-SLAM systems perform poorly under persistent and severe motion blur commonly encountered in real-world scenarios, leading to significantly degraded tracking accuracy and compromised 3D reconstruction quality. To address this limitation, we propose EGS-SLAM, a novel GS-SLAM framework that fuses event data with RGB-D inputs to simultaneously reduce motion blur in images and compensate for the sparse and discrete nature of event streams, enabling robust tracking and high-fidelity 3D Gaussian Splatting reconstruction. Specifically, our system explicitly models the camera's continuous trajectory during exposure, supporting event- and blur-aware tracking and mapping on a unified 3D Gaussian Splatting scene. Furthermore, we introduce a learnable camera response function to align the dynamic ranges of events and images, along with a no-event loss to suppress ringing artifacts during reconstruction. We validate our approach on a new dataset comprising synthetic and real-world sequences with significant motion blur. Extensive experimental results demonstrate that EGS-SLAM consistently outperforms existing GS-SLAM systems in both trajectory accuracy and photorealistic 3D Gaussian Splatting reconstruction. The source code will be available at https://github.com/Chensiyu00/EGS-SLAM.

arXivで原文を読む →arXiv概要ページ

EGS-SLAM: イベント融合RGB-Dガウシアンスプラッティング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