SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM

密集的同时定位与建图（SLAM）对于具体场景理解至关重要。最近的研究表明，使用三维高斯函数可以实现多个姿态相机对场景的高质量重建和实时渲染。在这种情况下，我们首次展示了使用三维高斯函数来表示场景可以利用单个未姿态的单目RGB-D相机实现密集SLAM。我们的方法SplaTAM解决了之前基于辐射场表示的方法的局限性，包括快速渲染和优化，确定区域是否被先前映射以及通过添加更多高斯函数实现结构化地图扩展。我们采用在线跟踪和映射管道，同时将其定制为特定使用底层高斯函数表示和通过可微分渲染进行轮廓引导优化。广泛的实验表明，SplaTAM在相机姿态估计、地图构建和新视角合成方面实现了高达2倍的最新技术水平，展示了其优于现有方法的优越性，同时允许实时渲染高分辨率的密集三维地图。

本论文旨在通过使用单个未定位的单目RGB-D相机，利用三维高斯函数表示场景，实现稠密的SLAM，解决先前基于辐射场的表示方法的限制。

本文提出了一种名为SplaTAM的在线跟踪和映射流水线，使用高斯函数表示场景，并通过可微分渲染进行轮廓引导优化，实现了快速的渲染和优化，能够确定区域是否被先前映射，同时通过添加更多的高斯函数进行结构化地地图扩展。

本文的亮点包括：使用单个未定位的单目RGB-D相机实现稠密的SLAM；使用三维高斯函数表示场景，实现了快速的渲染和优化；能够确定区域是否被先前映射，同时通过添加更多的高斯函数进行结构化地地图扩展；在相机姿态估计、地图构建和新视角合成方面实现了比现有方法高2倍的性能。

在这个领域的相关研究包括：辐射场表示方法、基于三维高斯函数的场景重建、单目RGB-D相机的SLAM等。