GSplatLoc：将关键点描述符锚定至 3D Gaussian Splatting 以改进视觉定位

尽管存在多种视觉定位方法，如场景坐标回归和相机位姿回归，但这些方法通常面临优化复杂或精度有限的挑战。为了应对这些挑战，我们探索了新视角合成技术的应用，特别是 3D Gaussian Splatting (3DGS)，它能够紧凑地编码 3D 几何和场景外观。我们提出了一种两阶段流程，将来自轻量级 XFeat 特征提取器的密集且鲁棒关键点描述符集成到 3DGS 中，从而增强了在室内和室外环境中的性能。通过 3DGS 表示与查询图像描述符之间的 2D-3D 对应关系，直接获得粗略位姿估计。在第二阶段，通过最小化基于渲染的光度扭曲损失来细化初始位姿估计。在广泛使用的室内和室外数据集上的基准测试表明，相较于近期的基于神经渲染的定位方法（如 NeRFMatch 和 PNeRFLoc），本方法取得了改进。