OpenMonoGS-SLAM：具有开集语义的单目高斯溅射SLAM
网络与互联网体系结构
2025-12-10 v1 软件工程
摘要
同时定位与建图（SLAM）是机器人、增强现实/虚拟现实和自主系统中的基础组件。近年来随着空间AI的兴起，将SLAM与语义理解相结合对于实现智能感知与交互变得越来越重要。近期研究探索了这种集成，但它们往往依赖深度传感器或闭集语义模型，限制了其在开放世界环境中的可扩展性和适应性。在这项工作中，我们提出了OpenMonoGS-SLAM，第一个将3D高斯溅射（3DGS）与开集语义理解相结合的单目SLAM框架。为了实现我们的目标，我们利用了视觉基础模型（VFMs）的最新进展，包括用于视觉几何的MASt3R以及用于开词汇语义的SAM和CLIP。这些模型在多样化任务中提供了鲁棒的泛化能力，使精确的单目相机跟踪与建图以及开放世界环境中的丰富语义理解成为可能。我们的方法不需要任何深度输入或3D语义真值，仅依赖自监督学习目标。此外，我们提出了一种专门设计用于管理高维语义特征的记忆机制，该机制有效地构建了高斯语义特征图，从而实现了强大的整体性能。实验结果表明，我们的方法在闭集和开集分割任务中均达到了与现有基线相当或超越的性能，且无需依赖深度图或语义标注等辅助传感器。
引用
@article{arxiv.2512.08626,
title = {Inferring Causal Relationships to Improve Caching for Clients with Correlated Requests: Applications to VR},
author = {Agrim Bari and Gustavo de Veciana and Yuqi Zhou},
journal= {arXiv preprint arXiv:2512.08626},
year = {2025}
}