論文の概要: NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM
- arxiv url: http://arxiv.org/abs/2302.03594v1
- Date: Tue, 7 Feb 2023 17:06:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 15:38:28.066804
- Title: NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM
- Title(参考訳): NICER-SLAM:RGB SLAMのためのニューラルインシシトシーンエンコーディング
- Authors: Zihan Zhu, Songyou Peng, Viktor Larsson, Zhaopeng Cui, Martin R.
Oswald, Andreas Geiger, Marc Pollefeys
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 111.83168930989503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural implicit representations have recently become popular in simultaneous
localization and mapping (SLAM), especially in dense visual SLAM. However,
previous works in this direction either rely on RGB-D sensors, or require a
separate monocular SLAM approach for camera tracking and do not produce
high-fidelity dense 3D scene reconstruction. In this paper, we present
NICER-SLAM, a dense RGB SLAM system that simultaneously optimizes for camera
poses and a hierarchical neural implicit map representation, which also allows
for high-quality novel view synthesis. To facilitate the optimization process
for mapping, we integrate additional supervision signals including
easy-to-obtain monocular geometric cues and optical flow, and also introduce a
simple warping loss to further enforce geometry consistency. Moreover, to
further boost performance in complicated indoor scenes, we also propose a local
adaptive transformation from signed distance functions (SDFs) to density in the
volume rendering equation. On both synthetic and real-world datasets we
demonstrate strong performance in dense mapping, tracking, and novel view
synthesis, even competitive with recent RGB-D SLAM systems.
- Abstract(参考訳): ニューラル暗黙表現は、特に高密度視覚SLAMにおいて、同時局所化とマッピング(SLAM)において最近人気が高まっている。
しかし、この方向の以前の研究は、RGB-Dセンサーに依存するか、カメラトラッキングに個別の単眼SLAMアプローチを必要とするかのいずれかであり、高忠実度3Dシーンを再現することができない。
本稿では,カメラポーズを同時に最適化する高密度RGB SLAMシステムNICER-SLAMと,高品質な新規ビュー合成を可能にする階層型ニューラル暗黙マップ表現を提案する。
マッピングの最適化プロセスを容易にするため,単図形幾何学的キューや光学的フローなどの追加の監視信号を統合するとともに,幾何学的整合性をさらに強化するための単純な整合損失を導入する。
さらに,複雑な室内シーンの性能をさらに高めるために,音量レンダリング式における符号付き距離関数 (sdfs) から密度への局所適応変換を提案する。
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、合成と実世界の両方のデータセットにおいて強い性能を示す。
関連論文リスト
- Gaussian Splatting SLAM [17.90035087300551]
移動単眼カメラとRGB-Dカメラを用いて3次元ガウススプラッティングをインクリメンタルな3次元再構成に適用した。
3fpsでライブで動作するSLAM法は,ガウスを唯一の3次元表現として利用している。
論文 参考訳(メタデータ) (2023-12-11T18:19:04Z) - SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM [50.60694084264132]
3Dガウシアンによるシーンの表現は、単一の単眼のRGB-Dカメラを用いて高密度SLAMを実現することができることを示す。
私たちはオンラインのトラッキングとマッピングのパイプラインを採用し、基礎となるガウス表現を特に使用するように調整しています。
実験により、SplaTAMは、カメラポーズ推定、マップ構築、ノベルビュー合成において、最先端の性能を最大2倍に向上することが示された。
論文 参考訳(メタデータ) (2023-12-04T18:53:24Z) - 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) - GS-IR: 3D Gaussian Splatting for Inverse Rendering [76.32477514781684]
3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。
我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。
フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
論文 参考訳(メタデータ) (2023-11-26T02:35:09Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [54.56928482110888]
本稿では,まず3次元ガウス表現を同時局所化・マッピングシステムで利用するtextbfGS-SLAM$を紹介する。
提案手法では,地図の最適化とRGB-D再レンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳(メタデータ) (2023-11-20T12:08:23Z) - Co-SLAM: Joint Coordinate and Sparse Parametric Encodings for Neural
Real-Time SLAM [14.56883275492083]
Co-SLAMはハイブリッド表現に基づくRGB-D SLAMシステムである。
堅牢なカメラ追跡と高忠実な表面再構成をリアルタイムで行う。
論文 参考訳(メタデータ) (2023-04-27T17:46:45Z) - 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) - Dense RGB-D-Inertial SLAM with Map Deformations [25.03159756734727]
密結合型RGB-D-慣性SLAMシステムを提案する。
我々は,RGB-DのみのSLAMシステムよりも,低テクスチャ,低幾何学的変動の速い動きや周期に対して,より堅牢であることを示す。
論文 参考訳(メタデータ) (2022-07-22T08:33:38Z) - NICE-SLAM: Neural Implicit Scalable Encoding for SLAM [112.6093688226293]
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。
論文 参考訳(メタデータ) (2021-12-22T18:45:44Z)
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。