論文の概要: iDF-SLAM: End-to-End RGB-D SLAM with Neural Implicit Mapping and Deep Feature Tracking

• arxiv url: http://arxiv.org/abs/2209.07919v1
• Date: Fri, 16 Sep 2022 13:32:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 13:27:08.606297
• Title: iDF-SLAM: End-to-End RGB-D SLAM with Neural Implicit Mapping and Deep Feature Tracking
• Title（参考訳）: iDF-SLAM: ニューラルインシシトマッピングとディープ・フィーチャートラッキングを用いたエンド・ツー・エンドRGB-D SLAM
• Authors: Yuhang Ming, Weicai Ye, Andrew Calway
• Abstract要約: 本稿では,機能ベースのディープニューラルトラッカをフロントエンドとして,NeRFスタイルのニューラルマッパーをバックエンドとして採用した新しいエンドツーエンドRGB-D SLAM,iDF-SLAMを提案する。 提案したiDF-SLAMは、カメラトラッキングにおけるシーン再構成と競合性能の観点から、最先端の結果を示す。
• 参考スコア（独自算出の注目度）: 4.522666263036414
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a novel end-to-end RGB-D SLAM, iDF-SLAM, which adopts a feature-based deep neural tracker as the front-end and a NeRF-style neural implicit mapper as the back-end. The neural implicit mapper is trained on-the-fly, while though the neural tracker is pretrained on the ScanNet dataset, it is also finetuned along with the training of the neural implicit mapper. Under such a design, our iDF-SLAM is capable of learning to use scene-specific features for camera tracking, thus enabling lifelong learning of the SLAM system. Both the training for the tracker and the mapper are self-supervised without introducing ground truth poses. We test the performance of our iDF-SLAM on the Replica and ScanNet datasets and compare the results to the two recent NeRF-based neural SLAM systems. The proposed iDF-SLAM demonstrates state-of-the-art results in terms of scene reconstruction and competitive performance in camera tracking.
• Abstract（参考訳）: 本稿では,機能ベースのディープニューラルトラッカをフロントエンドとして,NeRFスタイルのニューラルマッパーをバックエンドとして採用した新しいエンドツーエンドRGB-D SLAM,iDF-SLAMを提案する。 ニューラル暗黙的マッパーはオンザフライで訓練されるが、ニューラルトラッカはscannetデータセット上で事前トレーニングされるが、ニューラル暗黙的マッパーのトレーニングとともに微調整される。 このような設計の下で、当社のiDF-SLAMは、カメラトラッキングにシーン特化機能を使用することで、SLAMシステムの生涯学習を可能にします。 トラッカーとマッパーのトレーニングは、地上の真実のポーズを導入することなく自己管理される。 我々は、ReplicaおよびScanNetデータセット上でiDF-SLAMの性能を検証し、2つのNeRFベースのニューラルSLAMシステムと比較した。 提案したiDF-SLAMは、カメラトラッキングにおけるシーン再構成と競合性能の観点から、最先端の結果を示す。

関連論文リスト

• GlORIE-SLAM: Globally Optimized RGB-only Implicit Encoding Point Cloud SLAM [53.6402869027093]
  フレキシブルなニューラルポイントクラウド表現シーンを用いたRGBのみの高密度SLAMシステムを提案する。 また,単分子深度とともに暗黙のポーズと深さを最適化する新しいDSPO層を導入する。
  論文  参考訳（メタデータ） (2024-03-28T16:32:06Z)
• 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)
• UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
  我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。 本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-19T16:26:25Z)
• 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)
• ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of Signed Distance Fields [2.0625936401496237]
  ESLAMは、未知のカメラポーズでRGB-Dフレームを読み出し、シーン表現を漸進的に再構築する。 ESLAMは3次元再構成の精度を向上し、最先端の高密度視覚SLAM法のカメラローカライゼーションを50%以上向上する。
  論文  参考訳（メタデータ） (2022-11-21T18:25:14Z)
• Fusing Event-based Camera and Radar for SLAM Using Spiking Neural Networks with Continual STDP Learning [7.667590910539249]
  本研究では、イベントベースのカメラと、ドローンナビゲーションのための周波数変調連続波(FMCW)レーダを融合した、第一種SLAMアーキテクチャを提案する。 各センサーはバイオインスパイアされたスパイキングニューラルネットワーク(SNN)によって処理され、連続的なスパイク・タイミング・依存塑性(STDP)学習を行う。 DVS-Radar SLAM手法のロバスト性を実証した。
  論文  参考訳（メタデータ） (2022-10-09T12:05:19Z)
• Self-Denoising Neural Networks for Few Shot Learning [66.38505903102373]
  既存のニューラルアーキテクチャの複数の段階でノイズを追加すると同時に、この付加ノイズに対して堅牢であるように学習する新しいトレーニングスキームを提案する。 このアーキテクチャは、SDNN(Self-Denoising Neural Network)と呼ばれ、現代の畳み込みニューラルネットワークに容易に適用できます。
  論文  参考訳（メタデータ） (2021-10-26T03:28:36Z)
• Differentiable SLAM-net: Learning Particle SLAM for Visual Navigation [15.677860200178959]
  SLAM-netは、粒子フィルタに基づくSLAMアルゴリズムを微分可能なグラフに符号化する。 SLAMアルゴリズムを通じて、タスク指向ニューラルネットワークコンポーネントをバックプロパゲートすることで学習する。 雑音条件下で広く適応したORB-SLAMを著しく上回る。
  論文  参考訳（メタデータ） (2021-05-17T03:54:34Z)
• Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
  XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。 コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-02-02T21:09:39Z)

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。