Résumé Technique : MoPe : Permanence du Mouvement pour une Cartographie de Gaussiennes Monoculaires Robuste en Environnements Dynamiques

1. Énoncé du Problème

L'autonomie robotique robuste repose sur des représentations de scènes qui restent stables dans des environnements dynamiques. Bien que le SLAM par Splatting de Gaussiennes 3D (3DGS) monoculaire offre une haute fidélité de cartographie, les méthodes actuelles basées sur l'incertitude (par exemple, WildGS-SLAM) souffrent d'une limitation critique de type « sans mémoire ». Ces systèmes estiment l'incertitude dynamique de manière indépendante pour chaque image, en se basant uniquement sur des preuves visuelles instantanées.

Cette approche échoue lorsque des objets dynamiques (par exemple, des piétons) s'arrêtent, ralentissent ou réapparaissent après une occlusion. Dans ces moments, l'apparence de l'objet devient indiscernable des éléments statiques de l'arrière-plan. Par conséquent, le système attribue à tort une faible incertitude à ces régions, permettant au contenu dynamique d'être « cuit » dans la carte statique. Cela entraîne des artefacts de fantômes persistants, une géométrie corrompue et des modèles de monde trompeurs qui peuvent compromettre la localisation et la navigation en aval. Le problème central est un décalage au niveau de la représentation : le caractère dynamique est traité comme une propriété d'apparence instantanée plutôt que comme une propriété temporelle définie par l'historique du mouvement.

2. Méthodologie : MoPe

Les auteurs proposent MoPe (Motion Permanence), un filtre d'incertitude doté de mémoire qui recadre l'identité dynamique comme un état temporel persistant. La méthode repose sur le principe qu'un objet doit conserver son identité dynamique au fil du temps, même lorsqu'il est momentanément immobile, plutôt que d'être redécidé de toutes pièces à chaque image.

MoPe intègre trois composants étroitement couplés dans une architecture de cartographie de Gaussiennes monoculaires :

A. Permanence du Mouvement via l'Accumulation de Preuves Temporelles

Au lieu de traiter l'incertitude comme une prédiction transitoire par image, MoPe maintient un postérieur dynamique temporellement propagé ($p_t$).

1. Mesure : Pour chaque image, une carte d'incertitude par pixel est convertie en un score de preuve dynamique. Ce processus est optionnellement augmenté par un faible a priori sémantique provenant d'un modèle de segmentation pour servir de plancher de base pour les classes probablement transitoires.
2. Propagation SE(3) : Pour préserver l'identité dynamique à travers les changements de points de vue, le postérieur historique ($p_{t-1}$) est déformé vers l'image actuelle en utilisant le mouvement de caméra estimé ($T_{t-1 \to t}$) et la profondeur disponible ($D_t$) via une déformation SE(3) géométriquement cohérente.
3. Fusion Bayésienne Bornée : L'état historique déformé est fusionné avec les preuves de l'image actuelle en utilisant une mise à jour en log-odds bornée :
   $$L_t = \text{clip}(\tilde{L}_{t-1 \to t} + \gamma \cdot \text{logit}(m_t), -c, c)$$
   $$p_t = \sigma(L_t)$$
   Cette accumulation dans l'espace des log-odds garantit que les régions se comportant de manière dynamique de façon répétée accumulent des preuves durables. Crucialement, la limite de clipsage ($c$) empêche la saturation, permettant à une région de revenir à un état « statique » si elle s'arrête de manière constante, s'adaptant ainsi aux objets qui deviennent de façon permanente stationnaires.

B. Optimisation Guidée par le Postérieur et Insertion de Gaussiennes

Le postérieur persistant ($p_t$) guide l'ensemble du pipeline en ligne :

• Suivi (Tracking) : Les résidus dans les régions à haut postérieur (dynamiques) sont pondérés à la baisse, rendant le tracker insensible aux distracteurs temporairement stationnaires.
• Cartographie (Mapping) : L'objectif de rendu est modulé par l'incertitude temporellement informée, réduisant le poids d'optimisation pour les régions présentant une preuve dynamique persistante.
• Insertion à Échec Fermé (Fail-Closed) : Un pixel n'est admis pour l'insertion de Gaussiennes que si son score dynamique reste en dessous d'un seuil. Cette stratégie « fail-closed » privilégie l'omission plutôt que la contamination ; si une région est incertaine ou dynamique, l'insertion est sautée pour éviter de graver des fantômes dans la carte.

C. Nettoyage Post-traitement au Niveau des Gaussiennes

Comme dernière sécurité, les Gaussiennes qui survivent au processus en ligne sont évaluées à travers plusieurs images clés. Si une Gaussienne présente un ratio élevé d'observations dynamiques, son opacité est progressivement atténuée (déclinée) plutôt que supprimée brutalement. Cela supprime les images rémanentes persistantes tout en préservant les structures d'arrière-plan incertaines mais valides.

3. Contributions Clés

1. Identification d'une Limite de Représentation : L'article identifie la nature « sans mémoire » de l'estimation de l'incertitude sur image unique comme un mode de défaillance fondamental de la cartographie de Gaussiennes monoculaires sensible à l'incertitude, arguant que le caractère dynamique doit être traité comme un état temporel persistant.
2. Introduction de la Permanence du Mouvement : Un nouveau principe réalisé grâce à la propagation SE(3) géométriquement cohérente et la fusion en log-odds bayésienne bornée. Cela maintient un postérieur dynamique temporellement cohérent sous un mouvement intermittent et des occlusions répétées.
3. Intégration du Système : L'intégration de ce postérieur à travers le suivi, la cartographie, l'insertion de Gaussiennes sensible à la dynamique et le nettoyage post-traitement, qui suppriment collectivement la contamination dynamique et réduisent les fantômes résiduels.

4. Résultats Expérimentaux

MoPe a été évalué sur le benchmark Wild-SLAM MoCap, Bonn, et les benchmarks dynamiques TUM RGB-D.

• Robustesse du Suivi : MoPe a atteint la meilleure précision de suivi (ATE RMSE) sur tous les jeux de données, montrant des améliorations significatives par rapport à la base de référence WildGS-SLAM (ex: amélioration de 17,4 % sur Wild-SLAM, 15,6 % sur Bonn). Les gains sont plus prononcés dans les séquences avec des objets au mouvement intermittent, là où l'hypothèse sans mémoire est le plus violée.
• Qualité de la Carte et Suppression des Artefacts : MoPe a considérablement réduit les fantômes et les images rémanentes. Sur la séquence iphone_wandering, il a produit la reconstruction d'arrière-plan la plus propre, particulièrement dans les segments de « queue » où les images rémanentes s'accumulent typiquement. Les résultats qualitatifs montrent une élimination efficace des piétons dynamiques sans résidus flottants.
• Efficacité : Malgré l'ajout de la logique temporelle, MoPe est efficace sur le plan computationnel. Le postérieur temporel n'ajoute que ~0,3 ms au suivi. De manière surprenante, le temps d'exécution total est inférieur à celui de la base de référence (65,3 ms contre 69,7 ms) et l'utilisation de la mémoire est réduite (5,3 Go contre 5,8 Go). Ceci est attribué à la stratégie d'insertion « fail-closed », qui maintient la carte de Gaussiennes plus légère en refusant d'insérer le contenu dynamique.
• Ablation : Le pipeline complet (Fusion Temporelle + Prior Sémantique + Gating d'Insertion + Déclin d'Opacité) a donné les meilleurs résultats. Les composants se sont révélés complémentaires, les améliorations les plus fortes étant observées dans les segments de fin de séquence avec un mouvement humain de type « arrêt-départ ».

5. Signification et Revendications

L'article affirme que MoPe traite un mode de défaillance spécifique et courant des systèmes basés sur l'incertitude : la corruption des cartes statiques par des distracteurs temporairement stationnaires ou au mouvement intermittent.

• Amélioration Ciblée : Les auteurs notent modestement que MoPe n'est pas une amélioration généralisée pour toutes les scènes. Dans les séquences avec un mouvement continu (ex: robots marchant) ou près d'encombrements quasi statiques, la stratégie d'insertion conservatrice peut légèrement réduire la reconstruction des détails fins (abaissant légèrement le PSNR/SSIM). Cependant, la méthode apporte des gains clairs précisément là où l'hypothèse « sans mémoire » échoue : les scènes humaines dynamiques avec des mouvements d'arrêt et de départ.
• Autonomie Centrée sur la Représentation : La signification de MoPe réside dans son passage du traitement du caractère dynamique comme un indice d'apparence instantané à une propriété temporelle. En maintenant un état dynamique temporel au sein de la représentation de la scène, MoPe offre une étape pratique vers une autonomie plus fiable et centrée sur la représentation dans des environnements réels changeants, garantissant que le modèle de monde statique utilisé pour la localisation et la navigation reste non contaminé par les distracteurs dynamiques.