D$^3$FlowSLAM: Self-Supervised Dynamic SLAM with Flow Motion Decomposition and DINO Guidance

要約

この論文では、動的コンポーネントを正確に識別しながら動的シーンで堅牢に動作する自己教師ありディープ SLAM 手法を紹介します。
私たちの方法では、静的フローと動的フローのデュアル フロー表現を活用し、動的環境での効果的なシーン分解を促進します。
我々は、この表現に基づいて動的更新モジュールを提案し、動的シナリオに優れた高密度 SLAM システムを開発します。
さらに、事前にDINOを使用した自己教師ありトレーニングスキームを設計し、ラベルフリートレーニングを可能にします。
私たちの方法は、他の自己教師付き方法と比較して優れた精度を実現します。
また、場合によっては、既存の教師ありメソッドのパフォーマンスと同等、またはそれを上回ることもあります。
すべてのコードとデータは、承認され次第公開されます。

要約(オリジナル)

In this paper, we introduce a self-supervised deep SLAM method that robustly operates in dynamic scenes while accurately identifying dynamic components. Our method leverages a dual-flow representation for static flow and dynamic flow, facilitating effective scene decomposition in dynamic environments. We propose a dynamic update module based on this representation and develop a dense SLAM system that excels in dynamic scenarios. In addition, we design a self-supervised training scheme using DINO as a prior, enabling label-free training. Our method achieves superior accuracy compared to other self-supervised methods. It also matches or even surpasses the performance of existing supervised methods in some cases. All code and data will be made publicly available upon acceptance.

arxiv情報

著者 Xingyuan Yu,Weicai Ye,Xiyue Guo,Yuhang Ming,Jinyu Li,Hujun Bao,Zhaopeng Cui,Guofeng Zhang
発行日 2024-08-20 04:14:46+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク