TUM-RGBD
PulseAugur coverage of TUM-RGBD — every cluster mentioning TUM-RGBD across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AnythingReality 集成高斯溅射、SLAM 和 VLM 以实现交互式 VR
研究人员开发了 AnythingReality，这是一个将 3D 高斯溅射与同步定位与地图构建 (SLAM) 集成到虚拟现实 (VR) 环境中的新颖系统。该系统通过利用 ORB-SLAM3 进行姿态估计，从嘈杂的真实世界数据中实现场景的实时重建，从而增强了 VR 探索。此外，它还集成了视觉语言模型 (VLM)，支持语音驱动的交互，允许用户发出语音命令、生成场景描述和标记兴趣点，VLM 对象识别率达到 88%。
-
MVOFormer Transformer 提升单目视觉里程计鲁棒性
研究人员推出 MVOFormer，一个新推出的基于 Transformer 的框架，旨在增强自动导航的单目视觉里程计 (MVO)。该模型整合了几何运动线索和语义对象先验，以更好地区分静态和动态元素，从而实现更鲁棒的姿态估计。MVOFormer 展示了强大的零样本泛化能力，在 TartanAir、KITTI、TUM-RGBD 和 ETH3D-SLAM 等基准测试中表现优于现有方法，且无需领域特定的微调。
-
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。
-
RADIO-ViPE 使单目视频实现开放词汇语义SLAM
研究人员开发了RADIO-ViPE，一个新颖的语义SLAM系统，能够仅使用单目RGB视频在动态环境中进行开放词汇接地。该系统将基础模型的**多模态嵌入**与几何场景信息相结合，无需深度传感器或姿态初始化。RADIO-ViPE在TUM-RGBD基准测试中展现了最先进的性能，为机器人技术和无约束视频流提供了强大的语义接地能力。
-
PoseFM 使用流匹配实现鲁棒的单目视觉里程计
研究人员推出 PoseFM，一个利用流匹配将单目视觉里程计重构为生成任务的新颖框架。该方法将相机运动建模为一种分布，从而能够在具有挑战性的视觉条件下进行不确定性估计和更鲁棒的预测。PoseFM 在 TartanAir、KITTI 和 TUM-RGBD 等标准基准测试中表现出竞争力，实现了较低的绝对轨迹误差。