DiskChunGS：基于块式内存管理的大规模 3D 高斯 SLAM
机器人学
2025-12-01 v1 计算机视觉与模式识别
摘要
近期在 3D 高斯溶解 (3DGS) 方面的进展已展示出惊人的 novel view synthesis 效果，具备实时渲染能力。然而，将 3DGS 与 SLAM 系统集成面临一个根本性可扩展性限制：方法受限于 GPU 内存容量，将重建限制在小规模环境内。我们提出 DiskChunGS，一个可扩展的 3DGS SLAM 系统，通过一种超大规模方法将场景划分为空间块，仅在 GPU 内存中保持活动区域 while 将非活动区域存储在磁盘上。我们的架构无缝集成到现有 SLAM 框架中，用于姿态估计和环路闭合，实现大规模的全局一致重建。我们在室内场景（Replica、TUM-RGBD）、城市驾驶场景（KITTI）以及资源受限的 Nvidia Jetson 平台上对 DiskChunGS 进行了验证。我们的方法独特地在不发生内存故障的情况下完成了所有 11 个 KITTI 序列，同时实现了卓越的视觉质量，表明算法创新可以克服以往 3DGS SLAM 方法受限的内存约束。
引用
@article{arxiv.2511.23030,
title = {DiskChunGS: Large-Scale 3D Gaussian SLAM Through Chunk-Based Memory Management},
author = {Casimir Feldmann and Maximum Wilder-Smith and Vaishakh Patil and Michael Oechsle and Michael Niemeyer and Keisuke Tateno and Marco Hutter},
journal= {arXiv preprint arXiv:2511.23030},
year = {2025}
}