跳到正文
arXiv · 机器人与计算机视觉· Wei-Tse Cheng, Yen-Jen Chiou, Yuan-Fu Yang·· 24 天前AI 评分70

重新思考高斯 SLAM 中的稠密化:一种固定采样视角

Rethinking Densification in Gaussian SLAM: A Stationary Sampling Perspective

AI 导读

该论文提出 TopoGS-SLAM,通过覆盖触发的初始化与受控拓扑优化解耦了精度提升与表示增长,解决了传统残差驱动方法中精度饱和但内存持续增长的问题。在标准室内基准测试中,该方法在定位和重建精度上匹配或超越现有稠密化流水线,同时大幅提升了内存可扩展性和吞吐量,表明在具有足够多视角覆盖的有界区域静态室内场景中,无需迭代拓扑突变即可实现准确的高斯 SLAM。

来源:arXiv · 机器人与计算机视觉 · arxiv.org