An Algorithm for the SE(3)-Transformation on Neural Implicit Maps for Remapping Functions

要約

暗黙的な表現は、その効率と柔軟性により、オブジェクトの再構築に広く使用されています。
2021年に、ニューラル暗黙マップという名前の新しい構造がインクリメンタル再構成のために発明されました。
ニューラル暗黙マップは、以前のオンライン3D高密度再構成の非効率的なメモリコストの問題を軽減すると同時に、より良い品質を生み出します。
％ただし、ニューラル暗黙マップには、スキャンのフレームがニューラル暗黙マップの生成後にディーププライアにエンコードされるため、再マッピングがサポートされないという制限があります。
これは、この生成プロセスが可逆的でなく、深い事前分布が変換可能でもないことを意味します。
再マップ不可能なプロパティにより、ループクロージャ手法を適用できなくなります。
％このギャップを埋めるために、ニューラル暗黙マップベースの変換アルゴリズムを提示します。
ニューラル暗黙マップは変換可能であるため、モデルは潜在特徴のこの特別なマップの再マッピングをサポートします。
％実験によると、再マッピングモジュールは、ニューラル暗黙マップを新しいポーズに適切に変換できます。
SLAMフレームワークに組み込まれたマッピングモデルは、ループクロージャの再マッピングに取り組むことができ、高品質の表面再構成を示します。
％私たちの実装は、研究コミュニティ向けにgithub \ footnote {\url{https://github.com/Jarrome/IMT_Mapping}}で入手できます。

要約(オリジナル)

Implicit representations are widely used for object reconstruction due to their efficiency and flexibility. In 2021, a novel structure named neural implicit map has been invented for incremental reconstruction. A neural implicit map alleviates the problem of inefficient memory cost of previous online 3D dense reconstruction while producing better quality. % However, the neural implicit map suffers the limitation that it does not support remapping as the frames of scans are encoded into a deep prior after generating the neural implicit map. This means, that neither this generation process is invertible, nor a deep prior is transformable. The non-remappable property makes it not possible to apply loop-closure techniques. % We present a neural implicit map based transformation algorithm to fill this gap. As our neural implicit map is transformable, our model supports remapping for this special map of latent features. % Experiments show that our remapping module is capable to well-transform neural implicit maps to new poses. Embedded into a SLAM framework, our mapping model is able to tackle the remapping of loop closures and demonstrates high-quality surface reconstruction. % Our implementation is available at github\footnote{\url{https://github.com/Jarrome/IMT_Mapping}} for the research community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google