본 논문에서는 저지연 추적 및 매핑을 유지하면서 언어 정렬된 조밀한 특징 필드를 재구성하는 RGB-D SLAM 시스템을 제안한다. 먼저 고차원 특징 맵을 효율적으로 렌더링하기 위한 고처리량이면서 의미 왜곡이 없는 방법인 Top-K 렌더링 파이프라인을 소개한다. 그로 인해 발생하는 의미-기하 불일치 문제를 해결하고 메모리 사용량을 완화하기 위해, 장면의 무결성을 보존하면서 중복되거나 일관되지 않은 가우시안(gaussians)을 가지치기(pruning)하는 다기준 맵 관리 전략을 추가로 설계한다. 마지막으로, 필드의 특성에 따라 기하 및 의미 필드의 최적화 주기를 분리하여 실시간 제약 하에서 두 필드를 함께 정제하는 하이브리드 필드 최적화 프레임워크를 제안한다. 제안된 시스템은 기하만 사용하는 기준선에 비해 더 우수한 기하 충실도를 달성하며, 오프라인 접근법과 비교할 때는 유사한 의미 충실도를 15 FPS로 제공한다. 본 연구 결과는 언어 정렬된 조밀하고 압축되지 않은 특징 필드를 이용한 온라인 SLAM이 가능하고 효과적임을 보여주며, 3D 지각과 언어 기반 추론 간의 간극을 연결한다.

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