우리는 Gaussian 장면 표현을 활용하는 실시간 단안 밀집 SLAM 시스템인 GSO-SLAM을 제안한다. 기존 방법들과 달리, 추적과 매핑을 단일한 장면에 결합하여 계산 비용을 수반하거나, 잘 구조화된 추적 프레임워크와 느슨하게 통합하여 중복이 발생하는 방식과는 차이가 있다. 우리의 방법은 Visual Odometry(VO)와 Gaussian Splatting(GS)을 양방향으로 결합한다. 구체적으로, 본 접근법은 Expectation-Maximization(EM) 프레임워크 내에서 공동 최적화를 정식화하여, VO로부터 도출된 반밀집 깊이 추정치와 GS 표현을 추가적인 계산 오버헤드 없이 동시에 정제할 수 있도록 한다. 또한, 우리는 Gaussian Splat Initialization을 제시하는데, 이는 VO로부터의 이미지 정보, 키프레임 자세, 픽셀 연관관계를 이용하여 최종 Gaussian 장면에 가까운 근사를 생성함으로써 휴리스틱 기법의 필요성을 제거한다. 광범위한 실험을 통해, 본 방법의 유효성을 검증하였으며, 실시간으로 동작할 뿐 아니라 재구성된 장면의 기하/광도 충실도와 추적 정확도에서 최신 수준의 성능을 달성함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.