Visual SLAM2026/2/1arXiv:2602.18174

深層単眼Visual SLAMはスケール問題を克服したのか？ScaleMasterデータセットとベンチマーク

Have We Mastered Scale in Deep Monocular Visual SLAM? The ScaleMaster Dataset and Benchmark

大規模屋内環境でのスケール一貫性を評価する初のベンチマークScaleMasterを提案し、最先端の深層単眼Visual SLAMがスケール関連の失敗を起こすことを定量的・定性的に示した。

詳しい要約

1. どんなもの？

- 大規模屋内環境における deep monocular visual SLAM の scale 一貫性を評価する初のベンチマーク - ScaleMaster Dataset を提案 - 多階層構造、長軌跡、反復視点、低テクスチャ領域を含む - 既存ベンチマークは room-scale や構造が単純な設定に限定 - intra-session scale drift と inter-session scale ambiguity を明示的に評価

2. 先行研究と比べてどこがすごい？

- 既存ベンチマークは room-scale または構造が単純な設定に限られ、大規模屋内での scale 問題を扱えていない - 本論文は multi-floor structures、long trajectories、repetitive views、low-texture regions を含む初のベンチマーク - 従来の trajectory metrics に加え、high-fidelity 3D ground truth に対する Chamfer distance などの map-to-map 品質評価を導入 - 最先端の deep monocular visual SLAM が既存ベンチマークでは高性能でも、現実的な大規模屋内では scale 関連の失敗を起こすことを明らかにした

3. 技術・手法の肝は？

- ScaleMaster Dataset を構築し、挑戦的なシナリオを体系的に設計 - 最先端の deep monocular visual SLAM システムの scale 一貫性に対する脆弱性を定量的・定性的に分析 - 評価は従来の trajectory metrics に加え、map-to-map 品質評価を実施 - map-to-map 評価には Chamfer distance などの指標を high-fidelity 3D ground truth に対して用いる - 具体的な SLAM システム名やデータセット構築手順の詳細は要旨からは不明

4. どうやって有効だと検証した？

- ScaleMaster Dataset 上で最先端の deep monocular visual SLAM システムを評価 - 定量的・定性的評価を実施 - trajectory metrics に加え、Chamfer distance などの map-to-map 品質評価を high-fidelity 3D ground truth と比較 - 既存ベンチマークでは強い性能を示すシステムが、大規模屋内環境では severe scale-related failures を起こすことを確認 - baseline results を公開し、将来研究の基盤を提供

5. 議論はある？

- 既存ベンチマークでは見えなかった scale 一貫性の問題が、現実的な大規模屋内環境で深刻に現れることを指摘 - intra-session scale drift と inter-session scale ambiguity が未解決の重要課題であると議論 - 従来の trajectory metrics だけでは不十分で、map-to-map 品質評価の必要性を示唆 - 具体的な失敗要因や改善策の詳細な議論は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている具体的な deep monocular visual SLAM システム名は不明 - 関連手法として deep monocular visual SLAM、visual SLAM、SLAM benchmark の定番研究を挙げる - 具体的な論文名が要旨に無いため、同分野の代表的手法（例: ORB-SLAM、DROID-SLAM など）を次に読む候補とする

※ 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: Hyoseok Ju, Bokeon Suh, Giseop Kim

分類: cs.RO

原文アブストラクト

Recent advances in deep monocular visual Simultaneous Localization and Mapping (SLAM) have achieved impressive accuracy and dense reconstruction capabilities, yet their robustness to scale inconsistency in large-scale indoor environments remains largely unexplored. Existing benchmarks are limited to room-scale or structurally simple settings, leaving critical issues of intra-session scale drift and inter-session scale ambiguity insufficiently addressed. To fill this gap, we introduce the ScaleMaster Dataset, the first benchmark explicitly designed to evaluate scale consistency under challenging scenarios such as multi-floor structures, long trajectories, repetitive views, and low-texture regions. We systematically analyze the vulnerability of state-of-the-art deep monocular visual SLAM systems to scale inconsistency, providing both quantitative and qualitative evaluations. Crucially, our analysis extends beyond traditional trajectory metrics to include a direct map-to-map quality assessment using metrics like Chamfer distance against high-fidelity 3D ground truth. Our results reveal that while recent deep monocular visual SLAM systems demonstrate strong performance on existing benchmarks, they suffer from severe scale-related failures in realistic, large-scale indoor environments. By releasing the ScaleMaster dataset and baseline results, we aim to establish a foundation for future research toward developing scale-consistent and reliable visual SLAM systems.

arXivで原文を読む →arXiv概要ページ

深層単眼Visual SLAMはスケール問題を克服したのか？ScaleMasterデータセットとベンチマーク

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

MINISFORUM（ミニPC）

双腕モバイルマニピュレーター OpenShell