GaussianFlow SLAM: モノキュラー高スプラット SLAM を GaussianFlow で誘導

arXiv:2604.15612v1 発表タイプ: cross 要約：最近、高スプラットは SLAM システムのための魅力的なマップ表現として注目されており、密集型かつ写真のような質感のシーンのモデル化を可能にしています。しかし、モノキュラー入力の確実性の高い幾何学的手がかりの欠如により、そのモノキュラー SLAM への応用は依然として困難です。幾何学的监督（supervision）が存在しない場合、マッピングまたはトラッキングは局所極小値に陥り、構造的な退化と不正確さを引き起こす可能性があります。この課題に対処するため、我々は光学フローを幾何学的に意識された手がかりとして活用し、シーン構造とカメラ姿勢の両方の最適化を案内するモノキュラー 3DGS-SLAM「GaussianFlow SLAM」を提案しました。投影された高スプラットの運動、つまり GaussianFlow が光学フローと一致することを促すことで、我々の手法はマップ再構築および姿勢推定を両方ともに正規化する一貫した構造的な手がかりを導入します。さらに、我々は無効または不安定な高スプラットを精細化し安定化させるための正規化誤差ベースの密度増大と剪定モジュールを導入し、マップ品質と姿勢精度の向上に寄与しました。公開データセットで行われた実験は、我々の手法が最先端のアルゴリズムと比較して卓越したレンダリング品質とトラッキング精度を実証していることを示しています。ソースコードは以下の URL にて利用可能です：https://github.com/url-kaist/gaussianflow-slam

arXiv:2604.15612v1 Announce Type: cross Abstract: Gaussian splatting has recently gained traction as a compelling map representation for SLAM systems, enabling dense and photo-realistic scene modeling. However, its application to monocular SLAM remains challenging due to the lack of reliable geometric cues from monocular input. Without geometric supervision, mapping or tracking could fall in local-minima, resulting in structural degeneracies and inaccuracies. To address this challenge, we propose GaussianFlow SLAM, a monocular 3DGS-SLAM that leverages optical flow as a geometry-aware cue to guide the optimization of both the scene structure and camera poses. By encouraging the projected motion of Gaussians, termed GaussianFlow, to align with the optical flow, our method introduces consistent structural cues to regularize both map reconstruction and pose estimation. Furthermore, we introduce normalized error-based densification and pruning modules to refine inactive and unstable Gaussians, thereby contributing to improved map quality and pose accuracy. Experiments conducted on public datasets demonstrate that our method achieves superior rendering quality and tracking accuracy compared with state-of-the-art algorithms. The source code is available at: https://github.com/url-kaist/gaussianflow-slam.