본 연구는 시각적 위치 추정을 위한 효율적이고 정확한 프레임워크인 VRS-NeRF를 제안한다. 이를 위해 명시적 기하 맵(EGM)과 암시적 학습 맵(ILM)을 도입한다. EGM은 3D 맵 표현을 위해 사용되며, ILM은 희소 패치 렌더링을 위해 사용된다.
위치 추정 과정에서 EGM은 희소 2D 포인트의 사전 정보를 제공하고, ILM은 이 희소 포인트를 활용하여 희소 NeRF로 패치를 렌더링한다. 이를 통해 많은 2D 디스크립터를 저장할 필요가 없어져 맵 크기를 크게 줄일 수 있다. 또한 전체 이미지가 아닌 유용한 포인트만 렌더링하므로 렌더링 시간도 크게 단축된다.
이 프레임워크는 계층적 방법(HM)의 정확성을 계승하면서도 낮은 효율성을 극복한다. 7Scenes, CambridgeLandmarks, Aachen 데이터셋에 대한 실험 결과, 제안 방법은 절대 포즈 회귀(APR)와 장면 좌표 회귀(SCR) 방법보다 훨씬 높은 정확도를 보이며, HM과 유사한 성능을 보이지만 훨씬 더 효율적이다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Fei Xue,Igna... um arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09271.pdfTiefere Fragen