MonoGS (Gaussian Splatting SLAM)
MonoGS 是首個以三維高斯為唯一表示的單目 SLAM，以解析的李群雅可比直接最佳化相機位姿，並提出等向性正則化避免高斯沿視線拉長。有深度時加入幾何殘差。單目結果沒有公制尺度，評估時需做尺度對齊；地圖品質只以渲染指標評估，作者並指出高斯不顯式表示表面。
本頁內容
First monocular SLAM using 3D Gaussians as the sole representation, with analytic pose Jacobians and isotropic regularization; evaluated by ATE and rendering.
技術屬性
欄位內容為文獻擷取紀錄的原文用語（英文），以原文為據；「未查證」表示本研究尚未讀到該資訊，不代表該方法不具備此能力。
| 感測輸入 | monocular camera、RGB-D、stereo (depth from stereo, tested only on EuRoC Machine Hall in Supp. 9.5) |
|---|---|
| 原文測試平台 | 未記錄 |
| 狀態估計 | direct photometric (plus geometric with depth) pose optimization with analytic Lie-group Jacobians; windowed keyframe mapping |
| 資料關聯 | direct photometric residual; depth residual when available |
| 時間表示 | discrete poses |
| 去畸變 | 不適用 |
| 迴圈閉合 | none (authors compare mainly against methods without loop closure) |
| 全域最佳化 | none |
| 地圖表示 | anisotropic 3D Gaussians with isotropic shape regularization |
| 先驗資訊 | none (no deep depth priors in monocular mode) |
| 可輸出幾何 | Gaussian map and renderings; authors note Gaussians do not explicitly represent the surface (Sec. 5) |
| 計算需求 | Intel Core i9-12900K 3.50 GHz + NVIDIA GeForce RTX 4090; CUDA rasterisation with PyTorch for the rest; multi-process system 3.2 FPS monocular and 2.5 FPS RGB-D on TUM fr3/office; RGB-D 1.8 FPS (multi-process) and 1.1 FPS (single-process) on Replica; up to 100 tracking iterations per frame; forward rendering 769 FPS at 1200 x 680 (Sec. 4.1, Supp. 7.1, 8.2, Tables 8-10) |
使用設備
原文使用的感測器、運算硬體與載具（equipment）。型號保留原文寫法，連結到設備頁中同一型號的歸併名稱；角色依原文用途分為方法輸入、資料集感測器、執行運算平台、參考或真值量測（reference or ground truth）與比較對象設備。
| 類別 | 型號（原文寫法） | 角色 | 資料集 | 原文規格 | 出處 |
|---|---|---|---|---|---|
| 雙目相機 | stereo camera (model not named) | 資料集感測器 | EuRoC | depth from stereo used as input on EuRoC Machine Hall | (Matsuki et al., 2024, Supp. 9.5, Table 14) |
| RGB-D 相機 | Intel Realsense d455歸入：Intel RealSense D455 | 方法輸入 | 未標示 | self-captured real-world sequences for qualitative monocular results | (Matsuki et al., 2024, Sec. 4.1) |
| 運算硬體 | Intel Core i9 12900K 3.50GHz | 執行運算平台 | 未標示 | desktop CPU | (Matsuki et al., 2024, Sec. 4.1) |
| 運算硬體 | NVIDIA GeForce RTX 4090 | 執行運算平台 | 未標示 | single GPU | (Matsuki et al., 2024, Sec. 4.1) |
作者報告的優勢與限制
優勢
- TUM monocular average ATE 3.96 cm vs 7.73 cm for DROID-VO and 11.0 cm for DSO without loop closure (Table 1)
- TUM RGB-D average ATE 1.47 cm, lowest among the rendering-based methods without loop closure (Table 1)
- Replica single-process average ATE 0.32 cm (Table 2)
- Forward rendering at 769 FPS vs at most 2.17 FPS for the compared implicit methods (Table 5, Supp. Table 8)
- Larger camera convergence basin than hash-grid and MLP SDF maps (success ratio 0.79 to 0.82 vs 0.14 to 0.33) (Table 6)
限制
- Tested only on room-scale scenes; drift expected in larger scenes without loop closure (Supp. 12)
- Not hard real-time (Supp. 12)
- Surfaces not explicitly represented (Sec. 5)
- With stereo depth on EuRoC Machine Hall, ATE grows to 2.2 to 4.5 m on MH03 to MH05 vs 0.02 to 0.09 m for ORB-SLAM3 (Supp. 9.5, Table 14)
- Monocular TUM ATE (3.96 cm) remains worse than loop-closing DROID-SLAM (1.70 cm) and ORB-SLAM2 (1.60 cm) (Table 1)
- Replica used only for RGB-D because of purely rotational camera motion; the multi-process run has 2.25 cm ATE on office4 (Sec. 4.1, Table 2)
- Map quality evaluated only with rendering metrics (PSNR, SSIM, LPIPS); no geometric accuracy against ground-truth structure (Sec. 4.1)
營建工程相關證據
論文未涉及營建場域；資料為 TUM RGB-D、Replica 及自錄 RealSense 序列。其基準後被營建領域研究（Yuan et al., 2026）作為基線（依該文摘要）。補充材料另以立體相機估計的深度在大尺度的 EuRoC Machine Hall 序列測試，較長且較難的序列（MH03 至 MH05）ATE 達 2.2 至 4.5 m，作者表示未來預期以迴圈閉合改善。
原文驗證環境：模擬、公開基準、受控實驗
報告的性能數據
以下是原文作者報告的性能數值（author-reported results），不是本研究重新量測的結果。每張圖只並列同一個比較組（comparison group，同一張表、同一組實驗設定）內的方法；不同比較組之間的數值不可直接比較，也不構成排名。
本方法共出現在 31 個比較組，合計 190 筆紀錄。以下列出本方法紀錄最多的 4 組，其餘 27 組列在最後，並連到性能比較頁。
Hong et al., 2025 · Table III 本方法 18 筆
表格設定（擷取紀錄原文）：Gaussian-based SLAM comparison (T-RO Table III; arXiv v1 Table IV without Radcliffe01); MonoGS* uses LiDAR-projected depth, MonoGS is monocular; x = failed on all outdoor sequences (one row per failed method and sequence); Dur./ms column header carries an upward arrow in the table (Hong et al., 2025, Table III)
RMSE/m，proprietary (MoCap) · Playground01
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Hong et al., 2025 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Hong et al., 2025, Table III)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| SplaTAM | 0.28 m | (Hong et al., 2025, T-RO Table III; arXiv v1 Table IV) |
| MonoGS*本方法 | 0.09 m | (Hong et al., 2025, T-RO Table III; arXiv v1 Table IV) |
| MonoGS本方法 | 0.18 m | (Hong et al., 2025, T-RO Table III; arXiv v1 Table IV) |
| GS-LIVO (Ours)原文提出 | 0.006 m | (Hong et al., 2025, T-RO Table III; arXiv v1 Table IV) |
Xiao et al., 2025 · Table II 本方法 18 筆
表格設定（擷取紀錄原文）：Tracking accuracy with rpg trajectory evaluation: t_rel = average translational RMSE drift (%), r_rel = average rotational RMSE drift (deg/100 m), t_abs = ATE RMSE (m); reference trajectories from R3LIVE (not an independent measurement); alignment not stated; IMU not used by LiV-GS; '-' entries reported without explanation (text says indoor-oriented 3DGS SLAM methods degrade or fail on some outdoor sequences) (Xiao et al., 2025, Table II)
t_rel (average translational RMSE drift)，NTU4DRadLM · cp
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
- 未報告（沒有數值，不是 0）
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Xiao et al., 2025 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Xiao et al., 2025, Table II)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| NeRF-LOAM | 2.943% | (Xiao et al., 2025, Table II) |
| HDL-graph-SLAM | 1.264% | (Xiao et al., 2025, Table II) |
| ORB-SLAM3 | 1.356% | (Xiao et al., 2025, Table II) |
| SplaTAM | 無數值未報告註記（擷取紀錄）：not reported ('-' in table) | (Xiao et al., 2025, Table II) |
| MonoGS本方法 | 4.171% | (Xiao et al., 2025, Table II) |
| Gaussian-SLAM | 1.249% | (Xiao et al., 2025, Table II) |
| GS-ICP-SLAM | 5.471% | (Xiao et al., 2025, Table II) |
| Ours原文提出 | 0.234% | (Xiao et al., 2025, Table II) |
Matsuki et al., 2024 · Table 2 本方法 18 筆
指標ATE RMSE (keyframes)
表格設定（擷取紀錄原文）：Keyframe ATE RMSE (cm) on Replica, RGB-D only (Replica has purely rotational motions); baselines from Point-SLAM; Ours = multi-process real-time implementation, Ours (sp) = single-process with more mapping iterations. (Matsuki et al., 2024, Table 2)
ATE RMSE (keyframes)，Replica · room0
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Matsuki et al., 2024 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Matsuki et al., 2024, Table 2)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| iMAP [35] | 3.12 cm | (Matsuki et al., 2024, Table 2) |
| NICE-SLAM | 0.97 cm | (Matsuki et al., 2024, Table 2) |
| Vox-Fusion [45] | 1.37 cm | (Matsuki et al., 2024, Table 2) |
| ESLAM [9] | 0.71 cm | (Matsuki et al., 2024, Table 2) |
| Point-SLAM [29] | 0.61 cm | (Matsuki et al., 2024, Table 2) |
| MonoGS (Ours, multi-process)本方法原文提出 | 0.44 cm | (Matsuki et al., 2024, Table 2) |
| MonoGS (Ours sp, single-process)本方法原文提出 | 0.33 cm | (Matsuki et al., 2024, Table 2) |
Lang et al., 2025 · Table I 本方法 12 筆
表格設定（擷取紀錄原文）：Rendering quality; compared methods mapped with ground-truth poses (MCD) or Gaussian-LIC estimated poses (FAST-LIVO, R3LIVE); FAST-LIVO and R3LIVE use a solid-state LiDAR, MCD a spinning LiDAR (Lang et al., 2025, Table I)
PSNR (dB)，FAST-LIVO · f0 hku2
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Lang et al., 2025 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Lang et al., 2025, Table I)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| NeRF-SLAM (train view) | 25.56 dB | (Lang et al., 2025, Table I) |
| MonoGS (train view)本方法 | 23.58 dB | (Lang et al., 2025, Table I) |
| SplaTAM with LiDAR pseudo RGB-D (train view) | 25.51 dB | (Lang et al., 2025, Table I) |
| Gaussian-LIC (train view)原文提出 | 29.89 dB | (Lang et al., 2025, Table I) |
| Gaussian-LIC (novel view)原文提出 | 29.28 dB | (Lang et al., 2025, Table I) |
其他比較組
列出其餘 27 個比較組
- Xie et al., 2025 · Table 1
- Ha et al., 2024 · Table 1
- Yan et al., 2026b · Table III
- Matsuki et al., 2024 · Table 1
- Deng & Gan, 2026 · Table 3
- Deng & Gan, 2026 · Table 8
- Hong et al., 2025 · Table I
- Yuan et al., 2026 · Table 4
- Yuan et al., 2026 · Table 5
- Deng & Gan, 2026 · Table 11
- Xie et al., 2025 · Supp. Table 5
- Matsuki et al., 2024 · Table 14
- Lang et al., 2025 · Table II
- Ha et al., 2024 · Table 2
- Ha et al., 2024 · Table 3
- Matsuki et al., 2024 · Supp. Tables 9-10
- Yuan et al., 2026 · Table 3
- Deng & Gan, 2026 · Table 1
- Xiao et al., 2025 · Table IV
- Yan et al., 2026b · Table VI
- Yuan et al., 2026 · Table 1
- Xie et al., 2025 · ICCV Supp. Table 5
- Deng & Gan, 2026 · Table 2
- Deng & Gan, 2026 · Table 9
- Xie et al., 2025 · ICCV Supp. Table 6
- Zhang et al., 2025 · Table I
- Zhang et al., 2025 · Table III
來源
Matsuki et al., 2024
（2024）Gaussian Splatting SLAM2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 18039-18048
DOI 10.1109/cvpr52733.2024.01708arXiv 2312.06741程式碼
同儕審查已出版已讀全文近十年
相關版本
- 預印本：arXiv:2312.06741 https://arxiv.org/abs/2312.06741
程式碼：https://github.com/muskie82/MonoGS（授權：MonoGS Software Licence Agreement (non-commercial, internal or academic research use)）。有公開程式碼不等於已被重現，也不代表目前版本與論文版本相同。