GEVO：基于高斯的内存高效单目视觉里程计

使用单目相机构建高保真的3D场景表示可以为移动设备上的各种应用提供支持，例如微型机器人、智能手机和 AR/VR 头显。在这些设备上，内存往往受限且其访问频率常常支配计算能耗的消耗。尽管高斯溶解（Gaussian Splatting, GS）允许对3D场景进行高保真重建，但当前基于GS的SLAM方法在内存效率方面不够优越，因为需要存储大量过去的图像以重新训练高斯以减少灾难性遗忘。这些图像通常需要比地图本身高出两个数量级的内存，从而主导总体内存使用。本文提出了GEVO（Gaussians for Efficient Visual Odometry），一个基于GS的单目SLAM框架，通过渲染（而非存储）来实现与先前方法相当的保真度。提出了新的高斯初始化和优化技术，以消除地图中的制造缺陷并延缓渲染图像随时间的 degradation。我们在各种环境下测试，GEVO 在地图保真度方面与先前方法相当，同时将内存开销降低到约58 MB，这比既有工作低出94倍。