面向鲁棒 RGB-D SLAM 的 VarSplat：不确定性感知的 3D 高斯溅写
计算机视觉与模式识别
2026-03-11 v1
摘要
使用 3D 高斯溅写 (3DGS) 的同时定位与地图构建 (SLAM) 能够实现快速、可微分的渲染以及在多样化真实场景中的高保真重建。然是，现有 3DGS-SLAM 方法隐式处理测量可靠性，使得姿态估计和全局对齐易受低纹理区域、透明表面或复杂反射属性区域的漂移影响。为此，我们引入 VarSplat，一种感知 3DGS-SLAM 的不确定性方法，通过显式学习每个高斯溅写的外观方差。我们运用总体方差定律结合 alpha 混合技术，通过高效单遍遍历渲染出可微分的 per-pixel 不确定性图。该图引导跟踪、子图配准和环路检测聚焦于可靠区域，从而实现更稳定的优化。在 Replica（合成）和 TUM-RGBD、ScanNet、ScanNet++（真实）数据集上的实验结果表明，VarSplat 在鲁棒性方面取得显著提升，并在跟踪、地图构建和新视角合成渲染方面实现竞争甚至优于现有方法。
引用
@article{arxiv.2603.09673,
title = {VarSplat: Uncertainty-aware 3D Gaussian Splatting for Robust RGB-D SLAM},
author = {Anh Thuan Tran and Jana Kosecka},
journal= {arXiv preprint arXiv:2603.09673},
year = {2026}
}
备注
Accepted to CVPR 2026