Core Concepts
본 논문은 대규모 실내 장면에서 정확한 3D 재구성과 강건한 카메라 추적을 달성하기 위해 점진적 신경 장면 표현 방법을 제안한다. 이를 통해 기존 방법들의 한계를 극복하고 우수한 성능을 달성한다.
Abstract
본 논문은 대규모 실내 장면에서의 정확한 3D 재구성과 강건한 카메라 추적을 위한 PLGSLAM 시스템을 제안한다.
점진적 장면 표현 방법:
카메라 움직임에 따라 새로운 지역 장면 표현을 동적으로 초기화하여 대규모 실내 장면을 효과적으로 표현
지역 장면 표현에서 tri-plane과 MLP를 결합하여 정확성, 부드러움, 미관찰 영역 보완 달성
지역-전역 번들 조정 방법:
기존 방법의 누적 오차 문제를 해결하기 위해 지역-전역 번들 조정 알고리즘 제안
전역 키프레임 데이터베이스를 유지하여 과거 관측을 활용한 정확하고 강건한 포즈 추정 달성
실험 결과:
다양한 실내 장면 데이터셋에서 기존 방법 대비 우수한 3D 재구성 및 카메라 추적 성능 달성
대규모 실내 장면에서도 안정적이고 실시간 성능 유지
Stats
대규모 실내 장면에서 기존 방법 대비 평균 절대 궤적 오차(ATE) 약 25% 감소
대규모 실내 장면에서 재구성 정확도(Accuracy) 약 25% 향상
Quotes
"본 논문은 대규모 실내 장면에서 정확한 3D 재구성과 강건한 카메라 추적을 달성하기 위해 점진적 신경 장면 표현 방법을 제안한다."
"지역-전역 번들 조정 방법을 통해 누적 오차 문제를 해결하고 정확하고 강건한 포즈 추정을 달성한다."