PRAM은 사람들이 익숙한 환경에서 자신의 위치를 효율적으로 파악하는 방식을 모방하여, 장소 인식과 등록을 통해 시각적 위치 추정을 수행합니다. 이를 통해 기존 방식들보다 높은 정확도와 효율성을 달성합니다.
본 연구는 360도 카메라를 활용하여 대규모 실내외 환경에서의 시각적 위치 추정을 위한 새로운 데이터셋 및 벤치마크를 제안한다. 이를 통해 기존 방식의 한계를 극복하고 360도 카메라의 장점을 활용할 수 있는 새로운 접근법을 제시한다.
본 논문은 쿼리 이미지와 참조 이미지 데이터베이스 간의 유사성을 기반으로 필요한 참조 이미지 수를 동적으로 조절하는 적응형 이미지 검색 기반 계층적 위치 추정 기법을 제안한다. 이를 통해 계산 비용을 줄이면서도 기존 기법과 유사한 수준의 정확도를 달성할 수 있다.
본 연구는 정밀한 3D 모델 재구축에 의존하지 않고도 강건한 시각적 위치 추정을 수행할 수 있는 새로운 구조 기반 프레임워크를 제안한다. 이를 위해 Point Inference Network와 Confidence-based Point Aggregation 모듈을 도입하여 다양한 환경에서 정확한 2D-3D 대응점을 생성한다.
본 연구에서는 NeRF의 내부 특징을 활용하여 정확한 2D-3D 매칭을 달성함으로써 시각적 위치 추정 성능을 향상시킨다.