PyTorchKR Papers

최신 논문

총 7편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.10564v1cs.RO

텍스처가 부족할 때 동적 포인트 필터링이 도움이 되는가? 합성 실내 장면에서의 ORB-SLAM2 프론트엔드 통제 연구

Does Dynamic-Point Filtering Help When Texture Is Scarce? A Controlled Study of ORB-SLAM2 Front-Ends in Synthetic Indoor Scenes

특징(feature) 기반 비주얼 SLAM에는 동적 포인트 필터가 일상적으로 추가되며, 최근 몇몇 시스템에서는 동적 특징을 제거하면 저텍스처 영역에 남는 정적 특징이 너무 적어질 수 있다고 주장합니다. 지금까지 이러한 시스템들은 텍스처가 풍부한 벤치마크 시퀀스에서만 평가되었습니다. 본 연구에서는 이러한 상호작용을 분리하여 분석하는 통제 연구를 제시합니다. 표면 텍스처(FAST 코너 밀도와 이미지 그래디언트(gradient) 엔트로피로 정량화된 4단계)와 장면 동역학(3단계)을 동일한 카메라 궤적을 따라 요인별로 변화시키고, 스테레오, RGB-D, 정답(ground-truth) 포즈 및 동적 마스크를 포함하는 합성 실내 시퀀스를 렌더링합니다. 이 그리드 상에서 필터링이 없는 ORB-SLAM2, 옵티컬 플로우 및 에피폴라 잔차 기반 필터(FLOW), 다중 뷰 깊이 일관성 필터(GEOM)를 비교하고, 5회 실행에 걸친 궤적 오차, 트래킹 완료도, 잔여 정적 특징을 보고합니다. 마스크를 통해 키포인트별 정답을 얻을 수 있으므로, 메커니즘 차원의 설명을 직접 검증할 수 있도록 각 필터의 동적 포인트 정밀도(precision)와 재현율(recall), 정적 특징 오제거율도 측정합니다. 본 연구는 새로운 필터를 제안하지는 않습니다. 24개 시퀀스에 걸친 720회의 실행 결과, 필터링은 주로 동역학이 가장 큰 조건에서 도움이 되었습니다. 그 이점은 텍스처에 따라 단조 감소하지 않았으나, 가장 낮은 텍스처 수준에서 필터링은 트래킹 완료도를 저하시켰으며, 정적 L3 장면에서는 ORB-SLAM2가 전혀 초기화되지 못했습니다. 가설과 달리, GEOM은 FLOW보다 더 많은 정적 키포인트를 제거했습니다(오제거율 중앙값: RGB-D에서 6.8% 대 1.5%, 스테레오에서 19.6% 대 1.5%). GEOM의 RGB-D상 이점은 동적 포인트 재현율을 따랐으며 스테레오 모드에서는 사라졌습니다. 데이터와 코드는 https://github.com/felixxxue/texture-dynamics-slam 에서 제공됩니다.

arXiv:2609.27509v1cs.CV

Know-Your-Scene (KYS)-SLAM: 스테레오 시각적 SLAM의 특징 매칭을 위한 계층적 의미-움직임 사전 확률

Know-Your-Scene (KYS)-SLAM: Hierarchical Semantic-Motion Priors for Feature Matching in Stereo Visual SLAM

지역 기술자(local descriptor) 기반의 스테레오 시각적 SLAM(stereo visual SLAM) 시스템은 의미적 모호성, 인스턴스 수준의 혼동, 독립적으로 움직이는 객체로 인해 데이터 연관이 손상되고 궤적 드리프트(trajectory drift)가 누적되는 문제를 겪습니다. 기존의 의미론적 및 동적 SLAM 방식은 이진 특징 기각(binary feature rejection)을 통해 이를 해결하려 하므로, 이상치 억제를 위해 대응점 밀도를 희생시킵니다. 본 논문에서는 문맥적 개연성 부족을 배제 기준보다는 점진적인 양으로 표현하는 것이 더 낫다고 주장합니다. 이에 따라 특징 기각을 연속적인 대응점 조절로 대체하는 ORB-SLAM3의 모듈형 확장인 Know-Your-Scene (KYS)-SLAM을 제안합니다. 본 연구의 기여는 기하학적 백엔드를 수정하지 않은 채 특징 매칭 내에 적용되는 대응점 비용으로서 문맥적 증거를 재구성한 점입니다. 각 키포인트는 계층적 호환성 수식을 통해 융합된 의미론적, 팬옵틱(panoptic), 움직임 사전 확률로 보강되며, 여기서 의미론적 클래스와 인스턴스 식별자는 구조적 개연성을 강제하고 제로샷(zero-shot) 움직임 점수는 독립적으로 움직이는 객체의 특징 가중치를 낮춥니다. 해당 점수는 배경 옵티컬 플로우(optical flow)에 깊이 인식 자기-움직임(ego-motion) 모델을 피팅하고 자체 보정 및 커버리지 인식 임계값을 통해 팬옵틱 세그먼트를 분류하는 학습(training) 불필요 모듈에서 도출되므로, 충분한 움직임 증거가 있는 세그먼트에만 페널티가 부여되고 정적 구조에는 페널티가 부여되지 않습니다. 대응점을 폐기하기보다 페널티를 부여함으로써 번들 조정(bundle adjustment)이 의존하는 기하학적 지지를 보존합니다. 시퀀스나 데이터셋별로 계수를 재조정하지 않은 단일 고정 구성 하에서, KYS-SLAM은 성능 저하 없이 21개 스테레오 시퀀스 전반에 걸쳐 시퀀스당 ATE RMSE를 실외 KITTI에서 17.4%, 실내 EuRoC에서 27.7% 감소시켰으며, KITTI Tracking의 동적 하위 집합에서 6.6%, Virtual KITTI 2에서 17.8%(최대 31.2%) 감소시켜 단일 상수 세트로 실외 주행, 실내 비행 및 합성 영상 전반에 걸친 크로스 도메인 전이를 달성했습니다.

arXiv:2609.15795v2cs.CV

SURE-Map: 자기 교정형 스트리밍 기하학 파운데이션 모델

SURE-Map: Self-Correcting Streaming Geometric Foundation Models

스트리밍 기하학 파운데이션 모델(streaming geometric foundation model)은 SLAM 시스템의 유력한 대안으로 부상하고 있습니다. 그러나 이러한 스트리밍 특성은 근본적인 문제를 야기합니다. 즉, 각 예측이 제한된 문맥(context)으로부터 이루어지기 때문에 동적 객체와 텍스처가 부족한 영역에 취약합니다. 작은 국소적 오차는 심각한 기하학적 왜곡과 장기적(long-horizon) 스케일 드리프트(scale drift)로 누적됩니다. 본 연구에서는 신뢰할 수 있는 스트리밍 재구성을 위해 기하학 파운데이션 모델이 단순한 예측에 그치지 않고 자기 교정(self-correcting) 능력까지 갖추어야 한다고 주장합니다. 이를 위해 상호 보완적인 두 가지 원리를 기반으로 구축된 자기 교정형 프레임워크인 SURE-Map을 소개합니다. 첫째, 뷰 간(cross-view) 기하학적 불확실성을 명시적으로 모델링합니다. 개별 뷰 예측의 신뢰성을 주로 반영하는 기존의 깊이(depth) 또는 포인트 신뢰도와 달리, 본 연구의 불확실성은 공동으로 예측된 포즈(pose)와 깊이가 기하학적으로 일관된 뷰 간 픽셀 대응을 유도하는지 여부를 직접 측정합니다. 둘째, 국소적 교정만으로는 서서히 누적되는 스케일 오차를 제거할 수 없으므로, 다중 시간 척도(multi-timescale) 자기 교정을 도입합니다. 빠른 연속 프레임 추론(inference)을 통해 스트리밍 효율성을 유지하는 동시에, 희소한 키프레임 윈도우 추론을 통해 더 긴 범위의 기하학적 근거를 제공하여 최근 궤적의 스케일을 주기적으로 재보정합니다. SURE-Map은 장기 벤치마크 전반에서 온라인 피드포워드 재구성을 위한 새로운 SOTA(최고 수준) 성능을 달성하여, KITTI에서 ATE-RMSE를 24.00m에서 17.24m로, Oxford Spires에서 5.11m에서 4.74m로, VBR에서 31.37m에서 28.58m로 감소시켰으며, 루프 클로저(loop-closure) 정제 기법을 통합했을 때 각각 15.17m, 4.63m, 22.12m로 추가 향상되었습니다. 프로젝트 페이지: https://mingkai-liu.github.io/projects/sure-map/.

arXiv:2607.11099v2cs.RO

Desc++: 기존 Visual SLAM 시스템의 데이터 연관을 위한 효율적 디스크립터 강화

Desc++: Efficient Descriptor Enhancement for Data Association in Existing Visual SLAM Systems

신뢰할 수 있는 시각적 데이터 연관(data association)은 visual SLAM(V-SLAM)의 근간이며, 카메라 자세 추정(pose estimation)과 맵 일관성(map consistency)의 품질을 직접적으로 좌우한다. 그러나 대부분의 성숙한 실시간 시스템이 사용하는 handcrafted 디스크립터(descriptor)는 조명 및 시점(viewpoint) 변화에 취약하고, 이 약점을 보완하는 학습 기반 프런트엔드(front-end)는 일반적으로 추출-매칭(extraction-and-matching) 파이프라인을 통째로 교체해야 하며 상당한 계산 오버헤드를 유발한다. 디스크립터 강화(enhancement)는 기존 디스크립터를 원래 형식 안에서 정교화(refine)함으로써 절충안을 제공하지만, 현재 방법들은 단순화된 어텐션 메커니즘에 의존하여 문맥(contextual) 모델링이 제한되어 달성 가능한 매칭(matching) 품질에 제약을 받는다. 문맥적 표현력(expressiveness)과 효율성 사이의 트레이드오프를 해결하기 위해, 우리는 디스크립터 표현과 키포인트(keypoint) 기하를 공동 인코딩하고, 순서에 무관한(order-agnostic) 전역 어텐션과 기하 인식(geometry-aware) 순차 모델링을 선형 시간(linear time)에 결합한 하이브리드 아키텍처로 공간 문맥을 집약하는 경량 강화 모듈 Desc++를 제안한다. 강화된 디스크립터는 원래 차원(dimensionality)과 매칭 인터페이스를 유지하므로, 파이프라인을 수정하지 않고도 배포된 V-SLAM 시스템에 통합할 수 있다. 디스크립터 매칭, 대응(correspondence) 분석, 서로 다른 네 가지 V-SLAM 시스템에 대한 시스템 수준 벤치마크(benchmark) 실험 결과, Desc++는 최신(state-of-the-art) 강화 방법 대비 매칭 정확도를 높이고, 이러한 이득을 더 정확하고 안정적인 궤적 추정(trajectory estimation)으로 이어지며, 기존 실시간 V-SLAM 파이프라인에 실용적으로 통합하기 위한 정확도와 효율성의 유리한 균형을 달성함을 보여준다.

arXiv:2607.06023v2cs.CV

심층 학습은 Visual SLAM을 왜 개선하는가?

Why does Deep Learning Improve Visual SLAM?

Visual SLAM은 다양한 실세계 응용에서 널리 쓰이는 잘 정립된 기술이다. 그러나 저텍스처, 심각한 모션 블러, 조명 불량과 같은 어려운 시각 조건에서는 성능이 여전히 저하된다. 심층 학습 기반 시스템은 기하학 기반의 고전적 방법보다 우수하며, 학습된 2D 데이터 연관(data association)과 불확실성(uncertainty)을 순환(recurrent) 아키텍처 안에서 미분 가능한 기하 최적화와 결합함으로써 최신(state-of-the-art) 결과를 달성한다. 그럼에도 이러한 성공에 근본적으로 기여하는 구성 요소가 정확히 무엇인지는 여전히 불분명하다. 본 논문에서는 다음을 묻는다: 심층 학습 기반 시스템의 우수한 성능은 주로 학습된 2D 데이터 연관, 학습된 2D 데이터 연관과 불확실성의 결합, 아니면 순환 아키텍처 자체에 의해 이끌리는가? 우리는 통제된 연구를 통해 이 질문을 실증적으로 조사한다. 결과는 DL 기반 V-SLAM 시스템의 성공이 순환 아키텍처보다는 학습된 2D 데이터 연관과 불확실성에 달려 있음을 보여 주며, 이러한 구성 요소 설계에 학습 기반 패러다임이 필요함을 강조한다.

arXiv:2607.01757v1cs.CV

DL-VINS-Factory: 비주얼-관성 SLAM의 학습 기반 비주얼 프론트엔드를 위한 모듈형 프레임워크

DL-VINS-Factory: A Modular Framework for Learned Visual Front-Ends in Visual-Inertial SLAM

딥러닝 특징 추출기(ALIKED, RaCo, SuperPoint, XFeat)를 Lucas–Kanade 옵티컬 플로우 또는 LightGlue 매칭과 조합하여 공정한 비교가 가능한 모듈형 VI-SLAM 프레임워크 DL-VINS-Factory를 제안한다. 4개 데이터셋 벤치마크 결과, 학습 기반 프론트엔드는 실시간 임베디드 SLAM에 실용적으로 적용 가능하나 고전적 추적 방식에 비해 항상 우월하지는 않으며, ALIKED+LG는 EuRoC ATE를 최대 12%, SuperPoint/RaCo+LK는 Botanic Garden에서 최대 38%까지 감소시킨다.

arXiv:2606.19874v1cs.RO

MMD-SLAM: 구조 강화 다중 메타 가우시안 분포 유도 비주얼 SLAM

MMD-SLAM: Structure-Enhanced Multi-Meta Gaussian Distribution-Guided Visual SLAM

3D 가우시안 스플래팅(3DGS)은 새로운 시점 합성과 고충실도 장면 재구성을 크게 향상시켜, 3DGS 기반 비주얼 SLAM(Simultaneous Localization and Mapping) 방법의 잠재력을 확장했습니다. 그러나 대부분의 기존 시스템은 기저 구조 정보를 완전히 활용하지 못하여 렌더링 품질을 제한하고 종종 불일치하는 지도를 초래합니다. 이러한 제한 사항을 해결하기 위해, 우리는 애틀랜타 월드(AW) 가정을 활용하여 사실적 매핑을 위한 다중 메타 가우시안 표현을 유도하는 구조 강화 비주얼 SLAM 프레임워크인 MMD-SLAM을 제안합니다. 첫째, 자세 최적화를 위한 점-선 융합 전략을 도입하여, 3D 선분을 통합함으로써 추적 강건성을 개선하고 매핑에 추가적인 제약 조건을 제공합니다. 둘째, 지배적 방향을 포함하는 다중 메타 가우시안 표현을 설계하여, AW 가설로부터의 구조적 사전을 명시적으로 인코딩합니다. 마지막으로, 장면 기하학에 적응하고 구조적 단서를 전역 최적화에 통합하는 가우시안 진화 전략을 제안합니다. 광범위한 실험을 통해 이러한 혁신이 MMD-SLAM이 추적 정확도와 매핑 품질 모두에서 최첨단 성능을 달성할 수 있음을 입증합니다. 예를 들어, MonoGS와 비교했을 때 본 방법은 ScanNet에서 ATE RMSE를 48.56% 감소시키고 Replica에서 PSNR을 5.71% 향상시켰습니다.