Deblur 高斯溅射 SLAM
计算机视觉与模式识别
2025-03-18 v1 人工智能
机器学习
摘要
我们提出了 Deblur-SLAM，是一种 robust 的 RGB SLAM 流水线，用于从运动模糊输入中恢复清晰的重建。该方法将帧到帧方法与帧到模型方法的优势相结合，用于建模亚帧相机轨迹，从而在运动模糊环境中实现高保真度重建。此外，我们的流水线集成了线上闭环和全局束调整等技术，以实现稠密且精确的全局轨迹。我们对运动模糊图像的物理图像形成过程进行建模，并最小化观察到的模糊图像与通过对锐利虚拟亚帧图像进行平均获取的渲染模糊图像之间的误差。此外，通过利用单目深度估计器和对高斯的在线形变，我们确保了精确的地图制作和增强的图像去模糊。该 SLAM 流水线集成了所有这些组件以提高结果。我们在合成数据和真实世界模糊输入数据上实现了锐利地图估计和亚帧轨迹恢复的最先进结果。
引用
@article{arxiv.2503.12572,
title = {Deblur Gaussian Splatting SLAM},
author = {Francesco Girlanda and Denys Rozumnyi and Marc Pollefeys and Martin R. Oswald},
journal= {arXiv preprint arXiv:2503.12572},
year = {2025}
}