SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors

📄 arXiv: 2511.17207 📥 PDF

作者: Kunyi Li, Michael Niemeyer, Sen Wang, Stefano Gasperini, Nassir Navab, Federico Tombari

分类: cs.CV, cs.RO

发布日期: 2026-04-06

💡 一句话要点

SING3R-SLAM：基于子地图的单目高斯SLAM，利用3D重建先验实现全局一致性室内场景重建

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)

关键词: 单目SLAM 全局一致性 高斯地图 三维重建 室内场景 子地图 位姿估计

📋 核心要点

  1. 现有SLAM方法缺乏全局几何一致性建模，容易累积漂移、尺度不一致和局部几何结构次优。
  2. SING3R-SLAM利用全局高斯地图作为记忆，通过子地图对齐和全局一致性优化局部几何。
  3. 实验表明，该方法在位姿精度、3D重建质量和内存效率方面均优于现有技术，位姿精度提升超过10%。

📝 摘要（中文）

本文提出SING3R-SLAM，一个全局一致的基于高斯模型的单目室内SLAM框架。该方法使用全局高斯地图作为持久的、可微的记忆，通过子地图级别的全局对齐整合局部几何重建，并利用全局地图的一致性进一步优化局部几何。这种设计使得高效且通用的3D地图构建成为可能，适用于多种下游应用。大量实验表明，SING3R-SLAM在位姿估计、3D重建和新视角渲染方面达到了最先进的性能。它将位姿精度提高了10%以上，生成了更精细、更详细的几何结构，并在真实世界的数据集上保持了紧凑且内存高效的全局表示。

🔬 方法详解

问题定义：论文旨在解决单目SLAM中全局几何一致性问题，现有方法在长时间运行中容易出现累积漂移、尺度不一致以及局部几何结构不准确等问题，限制了其在复杂环境下的应用。这些问题源于缺乏对全局几何信息的有效建模和利用。

核心思路：论文的核心思路是利用全局高斯地图（Global Gaussian Map）作为场景的持久记忆，并结合子地图级别的局部几何重建，通过全局优化来保证整体的一致性。这种方法将局部重建的精度与全局地图的约束相结合，从而有效地减少了漂移和尺度不确定性。

技术框架：SING3R-SLAM框架主要包含以下几个模块：1) 局部几何重建：使用现有的密集3D重建方法（具体方法未知）构建子地图级别的局部几何模型。2) 子地图全局对齐：将局部重建的子地图与全局高斯地图进行对齐，从而将局部信息整合到全局地图中。3) 全局高斯地图优化：利用全局地图的一致性约束，进一步优化局部几何结构和相机位姿。4) 位姿图优化：构建位姿图，并使用全局高斯地图提供的约束进行优化。

关键创新：该方法最重要的创新点在于将全局高斯地图作为SLAM系统的核心组成部分，并将其与子地图级别的局部几何重建相结合。这种设计使得系统能够同时利用局部重建的精度和全局地图的约束，从而实现更准确、更鲁棒的SLAM。与现有方法相比，SING3R-SLAM显式地建模了全局几何一致性，并将其用于优化局部几何结构。

关键设计：论文中关键的设计包括：1) 全局高斯地图的表示方式（具体表示方式未知，但应包含位置和不确定性信息）。2) 子地图与全局地图的对齐方法（具体对齐方法未知，可能涉及ICP或其他配准算法）。3) 全局地图的优化策略（具体优化策略未知，可能涉及非线性优化）。4) 损失函数的设计，用于衡量局部几何与全局地图的一致性，并驱动优化过程。

📊 实验亮点

实验结果表明，SING3R-SLAM在位姿估计精度上优于现有方法10%以上，能够生成更精细、更详细的几何结构，并在真实世界数据集上保持了紧凑且内存高效的全局表示。这些结果验证了该方法在全局一致性SLAM方面的有效性，并展示了其在复杂环境下的优越性能。

🎯 应用场景

SING3R-SLAM在室内机器人导航、增强现实、虚拟现实、三维场景重建等领域具有广泛的应用前景。该方法能够构建精确且一致的3D地图，为机器人提供可靠的环境信息，支持AR/VR应用中的场景理解和交互，并可用于创建高质量的3D模型，具有重要的实际价值和潜在的商业应用。

📄 摘要（原文）

Recent advances in dense 3D reconstruction have demonstrated strong capability in accurately capturing local geometry. However, extending these methods to incremental global reconstruction, as required in SLAM systems, remains challenging. Without explicit modeling of global geometric consistency, existing approaches often suffer from accumulated drift, scale inconsistency, and suboptimal local geometry. To address these issues, we propose SING3R-SLAM, a globally consistent Gaussian-based monocular indoor SLAM framework. Our approach represents the scene with a Global Gaussian Map that serves as a persistent, differentiable memory, incorporates local geometric reconstruction via submap-level global alignment, and leverages global map's consistency to further refine local geometry. This design enables efficient and versatile 3D mapping for multiple downstream applications. Extensive experiments show that SING3R-SLAM achieves state-of-the-art performance in pose estimation, 3D reconstruction, and novel view rendering. It improves pose accuracy by over 10%, produces finer and more detailed geometry, and maintains a compact and memory-efficient global representation on real-world datasets.