WildGS-SLAM: 동적 환경에서의 단안 Gaussian Splatting SLAM

WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments

April 4, 2025

저자: Jianhao Zheng, Zihan Zhu, Valentin Bieri, Marc Pollefeys, Songyou Peng, Iro Armeni

cs.AI

초록

우리는 불확실성 인식 기하학적 매핑을 활용하여 동적 환경을 처리하도록 설계된 강력하고 효율적인 단안 RGB SLAM 시스템인 WildGS-SLAM을 제안합니다. 정적 장면을 가정하는 기존 SLAM 시스템과 달리, 우리의 접근 방식은 움직이는 물체가 있는 상황에서 추적, 매핑 및 렌더링 성능을 향상시키기 위해 깊이와 불확실성 정보를 통합합니다. 얕은 다층 퍼셉트론과 DINOv2 특징으로 예측된 불확실성 맵을 도입하여 추적 및 매핑 과정에서 동적 객체 제거를 안내합니다. 이 불확실성 맵은 밀도 번들 조정과 가우시안 맵 최적화를 강화하여 재구성 정확도를 개선합니다. 우리의 시스템은 여러 데이터셋에서 평가되었으며, 아티팩트 없는 뷰 합성 능력을 입증합니다. 결과는 WildGS-SLAM이 최신 방법들에 비해 동적 환경에서 우수한 성능을 보여줍니다.

English

We present WildGS-SLAM, a robust and efficient monocular RGB SLAM system designed to handle dynamic environments by leveraging uncertainty-aware geometric mapping. Unlike traditional SLAM systems, which assume static scenes, our approach integrates depth and uncertainty information to enhance tracking, mapping, and rendering performance in the presence of moving objects. We introduce an uncertainty map, predicted by a shallow multi-layer perceptron and DINOv2 features, to guide dynamic object removal during both tracking and mapping. This uncertainty map enhances dense bundle adjustment and Gaussian map optimization, improving reconstruction accuracy. Our system is evaluated on multiple datasets and demonstrates artifact-free view synthesis. Results showcase WildGS-SLAM's superior performance in dynamic environments compared to state-of-the-art methods.