論文の概要: NICE-SLAM with Adaptive Feature Grids
- arxiv url: http://arxiv.org/abs/2306.02395v2
- Date: Sat, 10 Jun 2023 06:13:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 23:13:49.349844
- Title: NICE-SLAM with Adaptive Feature Grids
- Title（参考訳）: 適応的特徴グリッドを備えたNICE-SLAM
- Authors: Ganlin Zhang, Deheng Zhang, Feichi Lu, Anqi Li
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.5962515374223873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: NICE-SLAM is a dense visual SLAM system that combines the advantages of
neural implicit representations and hierarchical grid-based scene
representation. However, the hierarchical grid features are densely stored,
leading to memory explosion problems when adapting the framework to large
scenes. In our project, we present sparse NICE-SLAM, a sparse SLAM system
incorporating the idea of Voxel Hashing into NICE-SLAM framework. Instead of
initializing feature grids in the whole space, voxel features near the surface
are adaptively added and optimized. Experiments demonstrated that compared to
NICE-SLAM algorithm, our approach takes much less memory and achieves
comparable reconstruction quality on the same datasets. Our implementation is
available at
https://github.com/zhangganlin/NICE-SLAM-with-Adaptive-Feature-Grids.
- Abstract（参考訳）: 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の利点を組み合わせた高密度視覚SLAMシステムである。
しかし、階層的なグリッド機能は密に格納されており、フレームワークを大きなシーンに適応させる際のメモリ爆発の問題を引き起こす。
本稿では,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。
スペース全体の機能グリッドを初期化する代わりに、表面付近のvoxel機能は適応的に追加され、最適化される。
実験により、NICE-SLAMアルゴリズムと比較して、我々の手法はメモリをはるかに少なくし、同じデータセット上で同等の再構成品質を達成することが示された。
実装はhttps://github.com/zhangganlin/NICE-SLAM-with-Adaptive-Feature-Gridsで公開しています。
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) - MUTE-SLAM: Real-Time Neural SLAM with Multiple Tri-Plane Hash Representations [6.266208986510979]
MUTE-SLAMは、効率的なシーン表現のために複数の三平面ハッシュエンコーディングを使用するリアルタイムニューラルネットワークRGB-D SLAMシステムである。
MUTE-SLAMは、カメラの位置を効果的に追跡し、小型および大型の屋内環境のためのスケーラブルなマルチマップ表現を漸進的に構築する。
論文 参考訳（メタデータ） (2024-03-26T14:53:24Z) - 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) - 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) - 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) - 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) - 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。