Flow4DGS-SLAM：基于光流引导的 4D 高斯溅射 SLAM
计算机视觉与模式识别
2026-04-29 v2
摘要
在视觉同步定位与制图（SLAM）中处理动态环境是重要的研究挑战。最近的研究将 3D 高斯溅射（3DGS）与 SLAM 结合，以实现稳健的相机姿态估计和照片级渲染。然而，使用 SLAM 高效重建静态和动态区域仍然具有挑战性。本文提出了一个由光流引导的动态 3DGS SLAM 高效框架。通过输入深度和先验光流，我们首先提出一种通过拟合相机自运动模型来分解光流的类别无关运动掩码生成策略。该模块分离动态和静态高斯，并同时提供光流引导的相机姿态初始化。我们通过显式建模关键帧中的时间中心来提升动态 3DGS的训练速度。这些中心通过 3D 场景流先验进行传播，并通过自适应插入策略进行动态初始化。同时，我们使用高斯混合模型（GMM）对时间不透明度和旋转进行建模，以适应学习复杂的动态行为。实验结果表明，我们在跟踪、动态重建和训练效率方面实现了业界最佳性能。
引用
@article{arxiv.2604.22339,
title = {Flow4DGS-SLAM: Optical Flow-Guided 4D Gaussian Splatting SLAM},
author = {Yunsong Wang and Gim Hee Lee},
journal= {arXiv preprint arXiv:2604.22339},
year = {2026}
}