本文介绍了一种名为GS-SLAM的算法，它在同时定位与地图构建（SLAM）系统中首次使用了3D高斯表示方法，实现了效率和准确性之间的更好平衡。与使用神经隐式表示的最新SLAM方法相比，我们的方法采用了实时可微分雀斑光照渲染流水线，大大加速了地图优化和RGB-D重渲染。具体而言，我们提出了一种自适应扩张策略，通过添加新的或删除噪音3D高斯来有效重构新观测到的场景几何并改善先前观测区域的建图。这种策略对于将3D高斯表示扩展到重建整个场景而不是在现有方法中合成静态物体至关重要。此外，在位姿跟踪过程中，设计了一种有效的从粗到细的技术，以选择可靠的3D高斯表示来优化相机姿态，从而减少运行时间并实现强健的估计。我们的方法在Replica和TUM-RGBD数据集上与现有的最新实时方法具有竞争力的性能。源代码将在获批后发布。

Nov, 2023

用单个未对齐的单目RGB-D相机，通过使用3D高斯模型表示场景，我们首次展示了实现稠密的同时定位和映射(SLAM)。我们的方法SplaTAM解决了基于辐射场的先前表示的限制，包括快速渲染和优化、确定区域是否已被映射和通过添加更多高斯模型进行结构化地图扩展。大量实验证明SplaTAM在相机定位、地图构建和新视图合成方面的性能达到了现有方法的2倍，并表现出优于现有方法的优越性，同时实现了高分辨率稠密3D地图的实时渲染。

Dec, 2023

我们提出了一种新的稠密同时定位与建图（SLAM）方法，该方法使用高斯斑点作为场景表示。该新的表示方法能够实时重建和真实渲染真实世界和合成场景，并通过提出新的策略来扩展高斯斑点的应用，使其从多视角离线场景扩展到顺序单色RGBD输入数据的设置。此外，我们还将高斯斑点扩展到编码几何并通过跟踪在此场景表示上进行实验。我们的方法在真实世界和合成数据集上实现了最先进的渲染质量，同时在重建性能和运行时间方面具有竞争力。

Dec, 2023

提出了一种紧凑的3D高斯着色SLAM系统，通过减少冗余椭球体的数量和参数大小来降低内存和存储成本，并实现了快速训练和呈现速度。通过滑动窗口的屏蔽策略减少冗余的椭球体，然后观察到大多数3D高斯椭球体的协方差矩阵（几何）非常相似，从而激发出一种新的几何码本来压缩3D高斯几何属性。通过全局捆绑调整方法和重投影损失实现了稳健准确的姿态估计，实验结果表明我们的方法在保持最先进的场景表示质量的同时实现了更快的训练和呈现速度。

Mar, 2024

通过使用高斯喷洒技术，我们提出了RTG-SLAM，一个用于大规模环境的实时3D重建系统。与现有的基于NeRF的RGBD SLAM相比，我们的系统在速度和内存成本方面取得了可比的高质量重建，并且在新视角合成的逼真度和相机跟踪准确性上表现出更好的性能。

Apr, 2024

使用全局优化的 3D 高斯地图表示，结合单目深度估计、动态自适应关键帧姿态和深度更新，我们提出了首个只使用 RGB 的 SLAM 系统，实现了优化的跟踪、建图和渲染精度，并获得小型地图与快速运行时。

May, 2024

本研究针对现有SLAM系统在密集深度图和环境尺度训练方面的不足，提出了IG-SLAM，一种仅使用RGB的密集SLAM系统。通过结合强大的Dense-SLAM跟踪方法与高斯呈现，该系统能够构建准确的3D环境地图并改善3D重建，并在多个数据集上展示了优越的性能及更快的运行速度。

Aug, 2024

本研究针对当前3D高斯喷射在视觉同步定位与地图构建中的追踪性能下降和速度慢的问题，提出将3DGS与直接稀疏测程（Direct Sparse Odometry）相结合的新方法。实验结果显示，该方法显著减少了高质量渲染所需的训练时间，从而推动了在移动硬件上实现实时操作的3DGS集成SLAM系统的发展。

Aug, 2024

本研究解决了现有SLAM系统在映射过程中缺乏密集深度图和大规模环境训练设计的问题。提出的IG-SLAM是一种仅依赖RGB图像的密集SLAM系统，通过有效结合Dense-SLAM方法与高斯散点技术，构建了准确的3D环境地图，并优化了3D重建过程。实验结果表明，该系统在多个数据集上与最新的RGB SLAM系统表现出竞争力，同时实现了更快的操作速度。

Aug, 2024

本研究解决了传统几何SLAM系统在密集3D重建方面的不足，提出了一种实时RGB-D SLAM系统，结合了3D高斯点云和深度先验以提高姿态估计的准确性。通过创新的视图合成技术，该系统在保持实时性能的同时，显著改善了3D重建的精度，提供了可靠的实验结果以验证其有效性。

Aug, 2024