Key points are not available for this paper at this time.
أظهرت دمج تقنية العرض العصبي ونظام SLAM مؤخرًا نتائج واعدة في تحديد المواقع ورسم المناظر الفوتوغرافية الواقعية. ومع ذلك، فإن الطرق الحالية التي تعتمد بالكامل على التمثيلات الضمنية تتطلب موارد كبيرة لدرجة أنها لا يمكن أن تعمل على الأجهزة المحمولة، مما يتعارض مع النية الأصلية لنظام SLAM. في هذا البحث، نقدم Photo-SLAM، إطار عمل جديد لنظام SLAM مع خريطة من الهياكل الفائقة. على وجه التحديد، نستفيد في الوقت نفسه من الميزات الهندسية الصريحة لتحديد المواقع ونتعلم ميزات فوتومترية ضمنية لتمثيل معلومات الملمس للبيئة الملاحظة. بالإضافة إلى تكثيف الهياكل الفائقة بنشاط استنادًا إلى الميزات الهندسية، نقدم أيضًا طريقة تدريب تعتمد على هرم غاوسي لتعلم الميزات متعددة المستويات بشكل تدريجي، مما يعزز أداء رسم الخرائط الفوتوغرافية الواقعية. تثبت التجارب الواسعة باستخدام مجموعات بيانات أحادية وستيريو وRGB-D أن نظامنا المقترح Photo-SLAM يتفوق بشكل كبير على أنظمة SLAM الحالية الأكثر تطورًا لرسم الخرائط الفوتوغرافية الواقعية عبر الإنترنت، على سبيل المثال، فإن PSNR أعلى بنسبة 30% وسرعة العرض تصل إلى مئات المرات أسرع في مجموعة بيانات Replica. علاوة على ذلك، يمكن لنظام Photo-SLAM العمل بسرعة الوقت الحقيقي باستخدام منصة مدمجة مثل Jetson AGX Orin، مما يظهر إمكانيات تطبيقات الروبوتات. صفحة المشروع والكود: https://huajianup.github.io/research/Photo-SLAM/.
درس هوانغ وآخرون (سون) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: