우리는 가우시안 장면 표현을 활용하는 실시간 단안(dense) SLAM 시스템인 GSO-SLAM을 제안한다. 기존 방법들과 달리, 단일한 장면 내에서 추적과 매핑을 결합하여 계산 비용을 초래하거나, 잘 정립된 추적 프레임워크와 느슨하게 통합하여 중복성을 유발하는 경우가 많다. 본 방법은 시각적 주행거리추정(Visual Odometry, VO)과 가우시안 스플래팅(Gaussian Splatting, GS)을 양방향으로 결합한다. 구체적으로, 우리는 Expectation-Maximization(EM) 프레임워크 내에서 공동 최적화를 수식화하여, 추가적인 계산 오버헤드 없이 VO로부터 도출된 준밀(semi-dense) 깊이 추정치와 GS 표현을 동시에 정교화할 수 있게 한다. 또한 우리는 이미지 정보, 키프레임 포즈, 그리고 VO로부터의 픽셀 연관(pixel associations)을 이용하는 Gaussian Splat Initialization을 제시한다. 이를 통해 최종 가우시안 장면에 대한 근사값을 산출함으로써 휴리스틱 방법의 필요성을 제거한다. 광범위한 실험을 통해 본 방법의 유효성을 검증하였으며, 실시간으로 동작할 뿐 아니라 재구성된 장면의 기하학/광도 충실도와 추적 정확도에서 최신 수준의 성능을 달성함을 확인하였다.

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