Gaussian SLAM能夠從RGBD數據流重建可渲染的3D場景。它是第一個能夠以照片級真實感重建現實世界場景的神經RGBD SLAM方法。通過利用3D高斯作為場景表示的主要單元，我們克服了以往方法的侷限性。我們觀察到傳統的3D高斯在單目設置下很難使用：它們無法編碼準確的幾何信息，並且很難通過單視圖順序監督進行優化。通過擴展傳統的3D高斯來編碼幾何信息，並設計一種新穎的場景表示以及增長和優化它的方法，我們提出了一種能夠重建和渲染現實世界數據集的SLAM系統，而且不會犧牲速度和效率。高斯SLAM能夠重建和以照片級真實感渲染現實世界場景。我們在常見的合成和真實世界數據集上對我們的方法進行了評估，並將其與其他最先進的SLAM方法進行了比較。最後，我們證明了我們得到的最終3D場景表示可以通過高效的高斯飛濺渲染即時渲染。