論文の概要: NICE-SLAM: Neural Implicit Scalable Encoding for SLAM

• arxiv url: http://arxiv.org/abs/2112.12130v1
• Date: Wed, 22 Dec 2021 18:45:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-23 15:39:41.503854
• Title: NICE-SLAM: Neural Implicit Scalable Encoding for SLAM
• Title（参考訳）: NICE-SLAM: SLAMのためのニューラルネットワーク型スケーラブルエンコーディング
• Authors: Zihan Zhu, Songyou Peng, Viktor Larsson, Weiwei Xu, Hujun Bao, Zhaopeng Cui, Martin R. Oswald, Marc Pollefeys
• Abstract要約: NICE-SLAMは階層的なシーン表現を導入することでマルチレベルローカル情報を組み込んだ高密度SLAMシステムである。 最近の暗黙的SLAMシステムと比較して、私たちのアプローチはよりスケーラブルで効率的で堅牢です。
• 参考スコア（独自算出の注目度）: 112.6093688226293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural implicit representations have recently shown encouraging results in various domains, including promising progress in simultaneous localization and mapping (SLAM). Nevertheless, existing methods produce over-smoothed scene reconstructions and have difficulty scaling up to large scenes. These limitations are mainly due to their simple fully-connected network architecture that does not incorporate local information in the observations. In this paper, we present NICE-SLAM, a dense SLAM system that incorporates multi-level local information by introducing a hierarchical scene representation. Optimizing this representation with pre-trained geometric priors enables detailed reconstruction on large indoor scenes. Compared to recent neural implicit SLAM systems, our approach is more scalable, efficient, and robust. Experiments on five challenging datasets demonstrate competitive results of NICE-SLAM in both mapping and tracking quality.
• Abstract（参考訳）: ニューラルな暗黙の表現は、最近、同時局在とマッピング(SLAM)の有望な進歩を含む様々な領域において、奨励的な結果を示している。 それにもかかわらず、既存の手法では過剰なスムースなシーンの復元が行われ、大きなシーンへのスケールアップが困難になっている。 これらの制限は主に、ローカル情報を観測に含まない単純な完全接続ネットワークアーキテクチャによるものである。 本稿では,階層的なシーン表現を導入してマルチレベルなローカル情報を含む高密度SLAMシステムであるNICE-SLAMを提案する。 この表現を事前学習した幾何学的前処理で最適化することで、大規模な屋内シーンの詳細な再構築が可能になる。 最近のニューラルネットワークの暗黙のスラムシステムと比較して、我々のアプローチはよりスケーラブルで効率的で堅牢です。 5つの挑戦的なデータセットの実験は、マッピングとトラッキング品質の両方において、NICE-SLAMの競合結果を示している。

関連論文リスト

• DF-SLAM: Dictionary Factors Representation for High-Fidelity Neural Implicit Dense Visual SLAM System [4.498270578781014]
  DF-SLAMと呼ばれる高忠実度ニューラル暗黙的視覚的局所化マッピングシステムを提案する。 本研究では,シーンの形状と外観情報を基本因子と係数因子の組み合わせとして符号化し,シーン表現に辞書因子を用いる。 モデルのサイズはシーンマップのサイズに敏感であるのに対し,本手法ではシーン詳細再構築機能とメモリ使用効率が向上している。
  論文  参考訳（メタデータ） (2024-04-27T12:19:23Z)
• DVN-SLAM: Dynamic Visual Neural SLAM Based on Local-Global Encoding [15.035343166377256]
  本稿では,局所グロバル融合型ニューラル暗黙表現に基づくリアルタイム動的視覚SLAMシステムを提案する。 提案したDVN-SLAMは、複数のデータセットをまたいだローカライゼーションとマッピングにおいて、競合的な性能を達成する。
  論文  参考訳（メタデータ） (2024-03-18T13:34:22Z)
• PLGSLAM: Progressive Neural Scene Represenation with Local to Global Bundle Adjustment [24.05634277422078]
  PLGSLAMは、高忠実な表面再構成とロバストなカメラトラッキングをリアルタイムで実現可能な、ニューラルビジュアルSLAMシステムである。 PLGSLAMは,様々なデータセットやシナリオにまたがって,最先端のシーン再構築結果を達成し,性能の追跡を行う。
  論文  参考訳（メタデータ） (2023-12-15T15:09:30Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
  本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。 これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。 協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T09:17:15Z)
• NICE-SLAM with Adaptive Feature Grids [1.5962515374223873]
  NICE-SLAMは、ニューラルな暗黙表現と階層的なグリッドベースのシーン表現を組み合わせた高密度視覚SLAMシステムである。 我々は、Voxel HashingのアイデアをNICE-SLAMフレームワークに組み込んだスパースSLAMシステムであるNICE-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-06-04T16:11:45Z)
• Fast Monocular Scene Reconstruction with Global-Sparse Local-Dense Grids [84.90863397388776]
  本稿では,スパルス・ボクセル・ブロック・グリッドにおける署名付き距離関数(SDF)を直接使用して,距離のない高速かつ正確なシーン再構成を実現することを提案する。 我々の世界規模で疎密で局所的なデータ構造は、表面の空間的空間性を利用して、キャッシュフレンドリーなクエリを可能にし、マルチモーダルデータへの直接拡張を可能にします。 実験により、我々のアプローチはトレーニングでは10倍、レンダリングでは100倍高速であり、最先端のニューラル暗黙法に匹敵する精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-05-22T16:50:19Z)
• Point-SLAM: Dense Neural Point Cloud-based SLAM [61.96492935210654]
  本稿では,モノクラーRGBD入力に対する高密度ニューラルネットワークの局所化とマッピング(SLAM)手法を提案する。 トラッキングとマッピングの両方が、同じポイントベースのニューラルシーン表現で実行可能であることを実証する。
  論文  参考訳（メタデータ） (2023-04-09T16:48:26Z)
• NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
  NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。 近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T17:06:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。