DVN-SLAM: Dynamic Visual Neural SLAM Based on Local-Global Encoding

要約

暗黙的表現に基づく同時位置特定とマッピング (SLAM) に関する最近の研究では、屋内環境で有望な結果が示されています。
ただし、暗黙的エンコーディングのシーン表現能力の制限、暗黙的表現によるレンダリング プロセスの不確実性、動的オブジェクトによる一貫性の破壊など、いくつかの課題がまだあります。
これらの課題に対処するために、DVN-SLAM と呼ばれる、ローカルとグローバルの融合ニューラル暗黙的表現に基づくリアルタイム動的ビジュアル SLAM システムを提案します。
シーン表現機能を向上させるために、グローバル構造とローカル詳細の両方を考慮しながら暗黙的マップの構築を可能にするローカル-グローバル融合ニューラル暗黙的表現を導入します。
レンダリング プロセスから生じる不確実性に対処するために、シーン情報をオブジェクト表面に集中させることを目的として、最適化のための情報集中損失を設計します。
提案された DVN-SLAM は、複数のデータセットにわたる位置特定とマッピングにおいて競争力のあるパフォーマンスを実現します。
さらに重要なことは、DVN-SLAM は動的シーンでの堅牢性を実証しており、これが他の NeRF ベースの方法とは異なる特徴です。

要約(オリジナル)

Recent research on Simultaneous Localization and Mapping (SLAM) based on implicit representation has shown promising results in indoor environments. However, there are still some challenges: the limited scene representation capability of implicit encodings, the uncertainty in the rendering process from implicit representations, and the disruption of consistency by dynamic objects. To address these challenges, we propose a real-time dynamic visual SLAM system based on local-global fusion neural implicit representation, named DVN-SLAM. To improve the scene representation capability, we introduce a local-global fusion neural implicit representation that enables the construction of an implicit map while considering both global structure and local details. To tackle uncertainties arising from the rendering process, we design an information concentration loss for optimization, aiming to concentrate scene information on object surfaces. The proposed DVN-SLAM achieves competitive performance in localization and mapping across multiple datasets. More importantly, DVN-SLAM demonstrates robustness in dynamic scenes, a trait that sets it apart from other NeRF-based methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google