MonoEM-GS: 単眼期待値最大化ガウススプラッティングSLAM

- 単眼RGBストリームからdense point cloudとcamera motionを推論するfeed-forward geometric foundation modelsの予測を、global Gaussian Splatting表現に統合するmonocular mapping pipeline。 - 予測のview依存性・ノイズ・局所metric driftに対処するため、Gaussian SplattingとExpectation-Maximizationを結合。 - ICP-based alignmentでmonocular pose estimationを行う。 - Gaussiansをmulti-modal featuresでparameterizeし、再構築map上でin-place open-set segmentation等のdownstream queriesを可能にする。

- feed-forward geometric foundation modelsはRGBからdense point cloudとcamera motionを直接推論できるが、予測がview-dependentでnoisyであり、viewpointや画像変換でgeometryが変動し、frame間でlocal metric propertiesがdriftする問題がある。 - MonoEM-GSはこれらの不整合を明示的に扱い、global Gaussian Splatting表現に統合する点が異なる。 - 7-Scenes、TUM RGB-D、Replicaで最近のbaselinesと比較している。

- Gaussian SplattingとExpectation-Maximization formulationをcoupleし、geometryをstabilizeする。 - ICP-based alignmentをmonocular pose estimationに用いる。 - Gaussiansをmulti-modal featuresでparameterizeし、in-place open-set segmentationやその他のdownstream queriesを再構築map上で直接可能にする。

- 7-Scenes、TUM RGB-D、Replicaの3つのデータセットで評価。 - 最近のbaselinesと比較している。 - 具体的な評価指標や結果の数値は要旨からは不明。

- 要旨からは不明。

- feed-forward geometric foundation models（具体的なモデル名は要旨からは不明） - Gaussian Splatting SLAM - ICP-based alignment - Expectation-Maximization - 7-Scenes、TUM RGB-D、Replicaのbaselines