English translation pending — this page shows the Chinese original.
一句话结论
从RGB-D视频同时估计相机轨迹并保留动态物体地图，平均跟踪与部分画质更好；跟踪仍排除动态区域，完整速度和后来新对象处理尚未证明。
正式身份与阅读版本
Crossref登记IEEE/CVF ICCV2025主会、DOI 10.1109/ICCV51701.2025.02320、pp.25019–25028、2025-10-19；题名六作者与保存的官方program PDF p.61/poster28一致。完整读取作者自行提交的CC BY4.0 arXiv:2503.16710v1（2025-03-20）11页，正文与参考文献均已读，无独立附录。出版最终稿和独立supplement未获取，差异未核，方法和数字仅对应作者v1。正式资格不以纯预印本作依据，筛选/纳入/深读均1，无其他新摄入。
问题、输入与方法
输入有内参的RGB-D序列，预训练YOLO/光流掩码分静动态。首帧动态区域建立稀疏控制点，MLP预测各时刻6自由度变换，KNN/RBF权重和线性混合蒙皮（LBS）插值动态图元运动；静态高斯另存。相机跟踪仅渲染静态图元并遮蔽动态像素，优化位姿和曝光，因此“保留动态”是地图端的目标（pp.1–4）。
相邻动态图元投影差经透明混合生成双向光流，以RAFT估计光流作监督，加RGB、深度、局部刚性（ARAP）与尺度正则。RAFT估计不是运动真值。两阶段先优化位姿/曝光/变形、再联合图元；最后1500次全局精修，每次10随机关键帧。图像指标不能自动代表在线即时图质（pp.4–6 Eqs.5–10）。
关键帧新增静态高斯，不新增动态高斯；BONN中途进入物体预指定动态初始化帧。不是已验证任意新对象自动处理、长期无人干预SLAM（p.4、p.6）。
数据、对照与完整成本
TUM六个、BONN九个室内RGB-D手持序列，有相机轨迹真值；作者Xeon Silver4210R/RTX3090Ti、PyTorch/CUDA。ATE为全帧绝对轨迹误差RMSE；PSNR/SSIM/LPIPS也是全帧渲染平均，未给独立留出新视角/未见时间协议。SC-GS每五帧训练，获真值轨迹和本法3D模型，不能把它作同输入权限SLAM基线（pp.6–7）。
论文未报告全链FPS、墙钟、峰显存、分割/RAFT/跟踪/建图/精修分项或多seed置信区间，显卡型号不证明实时。YOLO/RAFT权重、传感器深度、预指定初始化和最终精修应计入成本；无GPU复现实验。
跟踪结果与反例
| 同论文数据集均值 | 本法ATE cm ↓ | MonoGS ↓ | RoDyn-SLAM ↓ | 原文定位 |
|---|---|---|---|---|
| BONN九序列 | 3.6 | 33.1 | 7.9 | p.5 Table1 |
| TUM六序列 | 1.8 | 15.8 | 5.1 | p.6 Table4 |
平均更准不等于每场最优：BONN sync本法2.8 cm逊RoDyn1.3；TUM sit_xyz本法2.9 cm逊MonoGS1.7，sit_st本法0.58逊MonoGS0.48。不能用不同传感器/数据的WildGS-SLAM ATE作跨论文排名。
动态建图质量与指标分歧
| 同集均值 | 本法PSNR ↑ | SplaTAM ↑ | 本法SSIM ↑ | SplaTAM ↑ | 本法LPIPS ↓ | SplaTAM ↓ | 原文定位 |
|---|---|---|---|---|---|---|---|
| TUM六序列 | 22.46 | 19.40 | 0.786 | 0.757 | 0.228 | 0.241 | p.5 Table2 |
| BONN九序列 | 23.66 | 19.34 | 0.852 | 0.757 | 0.241 | 0.233 | p.6 Table3 |
BONN平均LPIPS反而更差。TUM sit_st SSIM0.892逊SplaTAM0.915，LPIPS0.116逊0.101；walk_xyz PSNR19.83略逊有真值轨迹的SC-GS19.89。定性动态物体完整不等于所有感知指标或真实几何正确。
本法ATE报告均值与按表列重算也有差异，表内数值按作者报告保留。BONN表把MonoGS SSIM均值印成780，LPIPS印0.342而九列均值约0.3773；SC-GS两个重建失败且部分均值舍入异常。保留报告值与重算区别，最终稿是否修正未知，详细逐列审计在raw analysis；不默改原始证据或宣称无条件SOTA。
消融：光流的收益依赖静动态分离
| 光流 | 静动态分离 | syn PSNR ↑ | syn2 PSNR ↑ | 原文定位 |
|---|---|---|---|---|
| 关 | 关 | 18.37 | 22.11 | p.8 Table5 |
| 关 | 开 | 22.87 | 24.84 | 同表 |
| 开 | 关 | 17.40 | 21.03 | 同表 |
| 开 | 开 | 23.25 | 25.42 | 同表 |
未分离时光流使画质下降，分离后才有较小额外增益；不能把整体收益全归光流。仅两序列，映射策略多为定性图；检测/初始化/最终精修/长期回环缺完整独立消融与成本验收。
代码与复现边界
仓库固定提交 d2c725605a49aa63ef843237b6bfb03911214c7a 的完整树/README和实际配置已保存，存在SLAM及流处理实现。README示例fr3_sitting.yaml在树中缺失，GET404保留、不重试；实际分rpy/static/xyz。配置含Kplanes参数，当前代码和论文稀疏控制点的对应未逐行验证。未見顶层LICENSE，子目录依赖许可不能推为全程序许可；网页许可也不等于代码/数据许可。未下载权重/数据、安装依赖或跑代码，不承诺即装即复现。
相关页面
- 3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes：动态地图、相机跟踪和完整耗时分别验收。
- WildGS-SLAM:Monocular Gaussian Splatting SLAM in Dynamic Environments：RGB动态鲁棒跟踪及静态建图，传感器/任务不同。
- 7DGS:Unified Spatial-Temporal-Angular Gaussian Splatting：已标定动态渲染，不能以渲染FPS替代SLAM全链。
- SpeeDe3DGS：动态高斯时间剪枝与运动分组：逐场动态渲染提速，非在线位姿估计。