Core Concepts
高レベルセマンティック関連概念を学習し、SLAMプロセスを向上させる新しいアルゴリズムを提案する。
Abstract
SLAMにおける高レベルセマンティック概念の重要性とその学習方法に焦点を当てた論文。
S-Graphs+アルゴリズムとGNNを組み合わせて、RoomsやWallsなどの高レベル概念を推論する手法を提案。
データセットから得られた低レベルエンティティ(Planes)からRoomやWallなどの高レベル概念を推論する方法が詳細に説明されている。
実験結果では、提案手法が従来手法よりも優れた精度と効率性を示していることが示されている。
Stats
3D Scene Graphs [5], [6]が有望なフレームワークであることが言及されている。
Xavier uniform initialization [27]が使用されている。
Quotes
"A GNN-based framework to generate high-level semantic entities (i.e. Rooms and Walls) and their relationships with the low-level entities (i.e. Planes) in a precise, fast, and versatile manner."
"Our method unfolds in several steps: (a) GNN-based Edge Inference, (b) Clustering, (c) Subgraph Generation."