الهدف: تم تطوير تقنية SLAM المرئية الثلاثية الأبعاد المعتمدة على Gaussian بسرعة في السنوات الأخيرة. ومع ذلك، فإن تحقيق إعادة بناء المشهد الواقعي في البيئات المظلمة لا يزال يمثل تحديًا كبيرًا. لحل هذه المشكلة، يهدف هذا البحث إلى تعزيز إدراك البيئة من خلال إعادة إضاءة المشهد، لبناء خريطة ثلاثية الأبعاد تعكس معلومات الكثافة التفصيلية للمشهد. التصميم/النهج: يقترح هذا البحث نظام SLAM معتمدًا على المتتبع من البداية إلى النهاية للبيئات ذات الإضاءة المنخفضة، باستخدام Gaussian Splatting الثلاثي الأبعاد كممثل أساسي لنمذجة المشهد بشكل فعال. يعزز هذا النظام إدراك البيئة من خلال إعادة إضاءة المشهد، مما يؤدي إلى بناء خريطة ثلاثية الأبعاد تعكس معلومات الكثافة التفصيلية للمشهد. بالإضافة إلى ذلك، لتحسين تمثيل الخريطة، ينفذ النظام عمليات تكثيف النقاط المناسبة وإعادة ضبط العتامة في المناطق الثلاثية الأبعاد المعرضة للأخطاء في خريطة Gaussian، مما يحسن دقتها وتفاصيلها. النتائج: تمت مقارنة الخوارزمية في هذا البحث مع غيرها من خوارزميات SLAM المعتمدة على Gaussian الأكثر تقدمًا على مجموعة البيانات العامة ETH3D ومجموعة البيانات الحقيقية، وقد حصلت على تأثير rendering أفضل، وفي النهاية، تحقق إعادة بناء المشهد بعد إعادة الإضاءة في البيئة المظلمة. الأصالة/القيمة: بالمقارنة مع الدراسات السابقة، تحقق هذه الخوارزمية أداءً متفوقًا في البيئات ذات الإضاءة المنخفضة من خلال إعادة إضاءة المشهد. يقترح المؤلفون طريقة تحدد المناطق الثلاثية الأبعاد الخاطئة وتنفذ عمليات تكثيف النقاط وإعادة ضبط العتامة بشكل تكيفي، مما يؤدي إلى تحسين الأخطاء النظامية وفقدان الملمس الناتج عن إعادة الإضاءة.
درس دو وآخرون (الأربعاء) هذا السؤال.