SemGauss-SLAM: Dense Semantic Gaussian Splatting SLAM论文阅读

基于Gaussian Splatting 的 SLAM系列论文阅读

背景（Background）

这篇论文的标题是“SemGauss-SLAM: Dense Semantic Gaussian Splatting SLAM”，由上海交通大学的Siting Zhu、Renjie Qin、Jiuming Liu、Hesheng Wang以及剑桥大学的Guangming Wang共同撰写。这篇论文提出了一种名为SemGauss-SLAM的新型密集语义SLAM（Simultaneous Localization and Mapping，即同时定位与建图）系统。该系统利用3D高斯表示法，能够同时实现精确的3D语义映射、稳健的相机跟踪和高质量的渲染。
论文arxiv链接

摘要（Abstract）

• 贡献：提出了一种结合了语义特征嵌入到3D高斯表示中的SLAM系统，该系统能够进行精确的语义场景表示。
• 方法：提出了一种特征级损失函数用于更新3D高斯表示，以实现更高级别的3D高斯优化指导。
• 创新点：引入了语义信息的束调整（Bundle Adjustment, BA），利用多帧语义关联进行联合优化，以减少累积漂移并提高语义重建的准确性。
• 性能：在Replica和ScanNet数据集上展示了比现有基于辐射场的SLAM方法在映射和跟踪精度上更优越的性能。

引言（Introduction）

• 背