Core Concepts
提案されたNEDS-SLAMは、3Dガウススプラッティングを使用した新しいニューラル明示的な密なセマンティックSLAMフレームワークです。
Abstract
Abstract:
NEDS-SLAMは、3Dガウス表現に基づく明示的で密なセマンティックSLAMシステムであり、リアルタイムでの堅牢な3Dセマンティックマッピング、正確なカメラトラッキング、高品質のレンダリングを実現します。
空間的一貫性特徴融合モデルを提案し、事前学習されたセグメンテーションヘッドからの誤った推定値の影響を減少させることで、堅牢な3Dセマンティックガウスマッピングを実現します。
軽量エンコーダーデコーダーを使用して高次元のセマンティック特徴をコンパクトな3Dガウス表現に圧縮し、過剰メモリ消費の負担を軽減します。
Introduction:
ビジュアルSLAMはロボット工学における基本的な研究問題であり、未知の環境の地図構築とカメラポーズの同時追跡が含まれます。
従来のSLAMとは異なり、セマンティックRGBD-SLAMはシーン内のエンティティの識別、分類、および関連付けを可能にすることで最終的に意味豊かな地図を生成します。
Methodology:
3Dガウススプラッティングに基づくSLAMでは、各3Dガウスが位置、異方性共分散、不透明度、色などのパラメータで特徴付けられた3Dシーンモデリング手法が有望です。
セマンティックGS SLAMアプローチでは地面事実上直接グランドトゥルース・セマンチク・カラー・ラベルがGSパラメータにエンコードされます。
Experiment:
レプリカデータセット上で他の方法と比較してNEDS-SLAMは競争力ある性能を示しました。
ScanNetデータセットでも他のNeRFベース手法と比較して追跡精度が向上しました。
Stats
NEDS-SLAMは平均ATE RMSEが0.354でPSNRが34.76です。