NICER-SLAM：面向 RGB SLAM 的神经隐式场景编码
计算机视觉与模式识别
2023-02-08 v1
摘要
神经隐式表示近来在同步定位与建图（SLAM）中变得流行，尤其在稠密视觉 SLAM 中。然而，此前该方向的工作要么依赖 RGB-D 传感器，要么需要独立的单目 SLAM 方法进行相机跟踪，且无法生成高保真稠密三维场景重建。本文提出 NICER-SLAM，一种稠密 RGB SLAM 系统，可同时优化相机位姿与分层神经隐式地图表示，并支持高质量新视角合成。为辅助建图优化过程，我们整合了包括易获取的单目几何线索与光流在内的额外监督信号，并引入简单的扭曲损失以进一步强化几何一致性。此外，为进一步提升在复杂室内场景中的性能，我们还提出了从有符号距离函数（SDF）到体渲染方程中密度的局部自适应变换。在合成与真实世界数据集上，我们均展示了在稠密建图、跟踪和新视角合成上的强劲性能，甚至可与近期 RGB-D SLAM 系统相竞争。
引用
@article{arxiv.2302.03594,
title = {NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM},
author = {Zihan Zhu and Songyou Peng and Viktor Larsson and Zhaopeng Cui and Martin R. Oswald and Andreas Geiger and Marc Pollefeys},
journal= {arXiv preprint arXiv:2302.03594},
year = {2023}
}
备注
Video: https://youtu.be/tUXzqEZWg2w