論文の概要: DDN-SLAM: Real-time Dense Dynamic Neural Implicit SLAM with Joint Semantic Encoding

• arxiv url: http://arxiv.org/abs/2401.01545v1
• Date: Wed, 3 Jan 2024 05:42:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-04 15:25:07.020189
• Title: DDN-SLAM: Real-time Dense Dynamic Neural Implicit SLAM with Joint Semantic Encoding
• Title（参考訳）: DDN-SLAM:ジョイントセマンティックエンコーディングを用いたリアルタイム高密度ダイナミックニューラルインプリシットSLAM
• Authors: Mingrui Li, Jiaming He, Guangan Jiang, Hongyu Wang
• Abstract要約: DDN-SLAMは動的シーン用に設計されたリアルタイムの高密度ニューラル暗黙のセマンティックSLAMシステムである。 本手法は動的シーンと静的シーンの両方において最先端の手法より優れている。
• 参考スコア（独自算出の注目度）: 4.149264116560559
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose DDN-SLAM, a real-time dense neural implicit semantic SLAM system designed for dynamic scenes. While existing neural implicit SLAM systems perform well in static scenes, they often encounter challenges in real-world environments with dynamic interferences, leading to ineffective tracking and mapping. DDN-SLAM utilizes the priors provided by the deep semantic system, combined with conditional probability fields, for segmentation.By constructing depth-guided static masks and employing joint multi-resolution hashing encoding, we ensure fast hole filling and high-quality mapping while mitigating the effects of dynamic information interference. To enhance tracking robustness, we utilize sparse feature points validated with optical flow and keyframes, enabling loop closure detection and global bundle optimization. Furthermore, DDN-SLAM supports monocular, stereo, and RGB-D inputs, operating robustly at a frequency of 20-30Hz. Extensive experiments on 6 virtual/real datasets demonstrate that our method outperforms state-of-the-art approaches in both dynamic and static scenes.
• Abstract（参考訳）: 本研究では,動的シーンを対象としたリアルタイムニューラルネットワーク型暗黙的セマンティックSLAMシステムDDN-SLAMを提案する。 既存のニューラル暗黙のSLAMシステムは静的なシーンではよく機能するが、動的干渉を伴う現実世界環境の課題にしばしば遭遇し、追跡とマッピングの効率が悪くなる。 DDN-SLAMは,奥行き誘導型静的マスクの構築と共同マルチ解像度ハッシュ符号化により,動的情報干渉の影響を緩和しつつ,高速ホールフィリングと高品質マッピングを実現する。 追跡ロバスト性を高めるため,光フローと鍵フレームで検証したスパース特徴点を用いてループ閉鎖検出とグローバルバンドル最適化を実現する。 さらに、DDN-SLAMは単分子、ステレオ、RGB-D入力をサポートし、20-30Hzの周波数で頑健に動作している。 6つの仮想/実データセットに関する広範囲な実験により、この手法が動的および静的なシーンにおいて最先端のアプローチよりも優れていることが証明された。

関連論文リスト

• Learn to Memorize and to Forget: A Continual Learning Perspective of Dynamic SLAM [17.661231232206028]
  暗黙的な神経表現を伴う同時局所化とマッピング(SLAM)が注目されている。 動的環境のための新しいSLAMフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-18T09:35:48Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• NID-SLAM: Neural Implicit Representation-based RGB-D SLAM in dynamic environments [9.706447888754614]
  動的環境におけるニューラルSLAMの性能を大幅に向上させるNID-SLAMを提案する。 本稿では, セマンティックマスクにおける不正確な領域, 特に辺縁領域における不正確な領域を強化するための新しいアプローチを提案する。 また,ダイナミックシーンの選択戦略を導入し,大規模オブジェクトに対するカメラトラッキングの堅牢性を高める。
  論文  参考訳（メタデータ） (2024-01-02T12:35:03Z)
• 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)
• 3DS-SLAM: A 3D Object Detection based Semantic SLAM towards Dynamic Indoor Environments [1.4901625182926226]
  3DS-SLAM, 3D Semantic SLAMを導入する。 3DS-SLAMは、意味的制約と幾何学的制約の両方を逐次解決する密結合アルゴリズムである。 TUM RGB-Dデータセットの動的シーケンスを平均98.01%改善している。
  論文  参考訳（メタデータ） (2023-10-10T07:48:40Z)
• Alignment-free HDR Deghosting with Semantics Consistent Transformer [76.91669741684173]
  高ダイナミックレンジイメージングは、複数の低ダイナミックレンジ入力から情報を取得し、リアルな出力を生成することを目的としている。 既存の手法では、前景やカメラの動きによって引き起こされる入力フレーム間の空間的ずれに焦点を当てることが多い。 本研究では,SCTNet(Semantics Consistent Transformer)を用いたアライメントフリーネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-29T15:03:23Z)
• 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)
• Using Detection, Tracking and Prediction in Visual SLAM to Achieve Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
  RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。 我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
  論文  参考訳（メタデータ） (2022-10-10T11:03:32Z)
• Det-SLAM: A semantic visual SLAM for highly dynamic scenes using Detectron2 [0.0]
  本研究では,視覚的SLAMシステムであるORB-SLAM3とディテクトロン2を組み合わせて,Det-SLAMシステムを提案する。 Det-SLAMは従来の動的SLAMシステムよりも弾力性が高く、動的屋内シナリオにおけるカメラ姿勢推定誤差を低減できる。
  論文  参考訳（メタデータ） (2022-10-01T13:25:11Z)
• DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
  DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。 実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。 提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2020-09-30T18:36:28Z)
• FlowFusion: Dynamic Dense RGB-D SLAM Based on Optical Flow [17.040818114071833]
  ダイナミック/静的セグメンテーションとカメラのエゴモーション推定を同時に実現する新しいRGB-D SLAMソリューションを提案する。 我々の新しい特徴は、RGB-D点雲のダイナミックセマンティクスを強調するために光学フロー残基を使うことである。
  論文  参考訳（メタデータ） (2020-03-11T04:00:49Z)

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。