Core Concepts
본 논문은 신경망 기반 암묵적 장면 표현과 SLAM 시스템을 결합한 밀도 높은 SLAM 시스템 NeSLAM을 제안한다. 깊이 보정 및 노이즈 제거 네트워크와 자기 지도 학습 특징 추적 네트워크를 제안하여 정확하고 견고한 장면 표현과 카메라 추적을 달성한다.
Abstract
본 논문은 신경망 기반 SLAM 시스템 NeSLAM을 제안한다. 주요 내용은 다음과 같다:
깊이 보정 및 노이즈 제거 네트워크를 설계하여 밀도 높고 정확한 깊이 정보와 깊이 불확실성 정보를 제공한다. 이를 통해 신경망 기반 점 샘플링 과정을 안내하고 기하학적 일관성을 향상시킨다.
기존 점유 값 대신 부호 거리 함수(SDF) 값을 사용하는 계층적 장면 표현을 도입하여 장면 기하학을 더 잘 표현할 수 있다.
NeRF 기반 자기 지도 학습 특징 추적 네트워크를 제안하여 실내 환경에서 정확하고 견고한 카메라 추적을 달성한다.
다양한 실내 데이터셋에 대한 실험을 통해 제안 방법의 장면 재구성, 추적 품질, 새로운 뷰 합성 측면에서의 우수한 성능을 입증한다.
Stats
깊이 정보와 표준 편차 사이의 관계: log(S^2) + (D_hat - D_gt)^2 / S^2
깊이 정보의 L1 손실: |D_hat - D_gt|
Quotes
"본 논문은 신경망 기반 암묵적 장면 표현과 SLAM 시스템을 결합한 밀도 높은 SLAM 시스템 NeSLAM을 제안한다."
"깊이 보정 및 노이즈 제거 네트워크를 설계하여 밀도 높고 정확한 깊이 정보와 깊이 불확실성 정보를 제공한다."
"NeRF 기반 자기 지도 학습 특징 추적 네트워크를 제안하여 실내 환경에서 정확하고 견고한 카메라 추적을 달성한다."