基于高斯溅写特征场的隐私保护视觉定位

视觉定位是指在已知环境中估计相机姿态的任务。本文利用基于3D高斯溅写(3DGS)的表示方法实现精准且隐私保护的视觉定位。我们提出了高斯溅写特征场(Gaussian Splatting Feature Fields, GSFFs)，这是一种用于视觉定位的场景表示方法，融合了显式几何模型(3DGS)与隐式特征场。我们利用3DGS提供的稠密几何信息和可微分光栅化算法，学习基于3D的鲁棒特征表示。具体而言，通过对比学习框架，将3D尺度感知特征场与2D特征编码器对齐至共用的嵌入空间。此外，我们采用基于3D结构的聚类程序，对表示学习进行正则化，并将特征无缝转化为可用于隐私保护视觉定位的分割图。用于姿态细化的定位过程，即将查询图像的特征图或分割图与GSFFs场景表示渲染结果进行配准，以实现定位。评估于多个真实数据集上的结果表明，所实现的隐私及非隐私保护定位管道均达到最先进水平。