replica
PulseAugur coverage of replica — every cluster mentioning replica across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新框架RelGraphOV通过对象关系增强3D场景理解
研究人员推出RelGraphOV，一个旨在通过整合对象关系来改进开放词汇3D场景理解的新型框架。该方法利用3D场景图来推断和完善语义理解，超越了将对象孤立处理的方法。该框架采用自适应门控双流上下文GAT来处理几何和语义特征，能够在不产生特征干扰的情况下实现更好的上下文聚合。在ScanNetV2和Replica等数据集上进行的实验显示出有希望的结果和泛化能力。
-
VCS-SLAM通过几何验证增强了语义3D高斯SLAM
研究人员开发了VCS-SLAM，一个旨在提高语义3D高斯SLAM系统准确性和一致性的新框架。这种新方法解决了当前方法中的局限性，这些方法通常以统一的优化权重将2D语义先验融合到3D地图中，导致遮挡或模糊几何产生的伪影。VCS-SLAM通过可见性一致性、表面支持边界证据和射线级不确定性来评估语义观测的几何可靠性，从而抑制不可靠的更新，提高语义一致性和重建质量。
-
MMD-SLAM 通过结构引导的高斯映射增强视觉SLAM
研究人员推出 MMD-SLAM，一个新颖的视觉SLAM框架，通过整合结构信息来增强地图质量和跟踪鲁棒性。该新系统利用亚特兰大世界假设和多元高斯表示，显式编码主导方向以更好地表示场景几何。MMD-SLAM 还采用点线融合策略进行姿态优化和高斯演化策略以适应场景结构，在实验中取得了最先进的性能。
-
DiskChunGS通过磁盘内存管理实现大规模3D高斯SLAM
研究人员开发了DiskChunGS，一个新颖的3D高斯泼溅SLAM系统，旨在克服大规模3D重建的GPU内存限制。通过采用out-of-core方法，该系统将非活动场景部分存储在磁盘上，同时将活动区域保留在GPU内存中。该方法与现有的SLAM框架集成，用于姿态估计和回环检测，从而实现以前受硬件限制的一致性、大规模重建。
-
Triangle Splatting SLAM 使用可微分三角形进行3D映射
研究人员推出了一种新颖的密集RGB-D SLAM系统Triangle Splatting SLAM，该系统利用可微分三角形进行3D地图表示。该系统借鉴了3D Gaussian Splatting的成功经验，采用了三角形这一传统渲染和游戏引擎中的标准图元。该系统支持网格变形和碰撞检测等在线功能，在基准数据集上的3D几何精度方面优于现有方法。
-
新型Transformer增强3D场景重建和边缘部署
研究人员开发了基于Transformer的新模型，用于从视觉输入进行3D场景重建。DVGT（Driving Visual Geometry Transformer）在无需显式几何先验的情况下，从无姿态的多视图图像中重建密集3D点图，并在多样化的驾驶数据集上进行训练。VG^2GT通过使用冻结的视觉基础模型和体素模块直接回归高斯原始参数来增强高斯溅射，从而降低了训练成本并优于现有方法。QVGGT通过引入量化框架，选择性地应用混合精度和令牌…
-
新的FSTM方法可高效学习室内3D几何与语义
研究人员开发了一种名为FSTM的新方法，用于室内3D重建，可高效学习几何与语义。该方法首先使用RGB输入和几何线索优化几何，然后估计语义场，这比标准的联合优化更有效。FSTM在Replica和ScanNet++等数据集上展示了更快的训练时间和更高的准确性，优于现有的多SDF方法。