Key points are not available for this paper at this time.
우리는 ESLAM을 제안합니다. ESLAM은 동시에 위치 측정 및 매핑(SLAM)을 위한 효율적인 암시적 신경 표현 방법입니다. ESLAM은 알려지지 않은 카메라 자세를 가진 RGB-D 프레임을 순차적으로 읽고 현재 장면의 카메라 위치를 추정하면서 장면 표현을 점진적으로 재구성합니다. 우리는 신경 방사장 필드(NeRF)의 최신 발전을 SLAM 시스템에 통합하여 효율적이고 정확한 밀집 시각 SLAM 방법을 구현하였습니다. 우리의 장면 표현은 다중 스케일 축 정렬 직교 특징 평면과 얕은 디코더로 구성되어 있으며, 연속 공간의 각 점에 대해 보간된 특징을 잘린 서명 거리 필드(TSDF) 및 RGB 값으로 디코딩합니다. Replica, ScanNet, TUM RGB-D의 세 가지 표준 데이터세트에 대한 광범위한 실험 결과, ESLAM은 최첨단 밀집 시각 SLAM 방법의 3D 재구성 및 카메라 위치 측정 정확도를 50% 이상 향상시키며, 최대 10배 빠르게 실행되고 사전 훈련이 필요하지 않음을 보여주었습니다. 프로젝트 페이지: https://www.idiap.ch/paper/eslam.
Johari et al. (목요일)이 이 질문을 연구했습니다.