Probabilistic Neural Implicit Reconstruction from Incomplete Observations
연구 내용
불완전하거나 일부 정보가 누락된 관측에서 뉴럴 임플리시트 표현을 안정적으로 재구성하기 위해 잠재변수 대치와 불확실성 모델링을 결합하는 연구
본 분야는 NeRF 및 INR 계열의 장면 표현을 기반으로, 관측이 부족하거나 일부 정보가 전송·수집되지 못하는 상황에서도 장면을 재구성하는 데 초점을 둡니다. Variational Autoencoder의 잠재공간 대치에서 범주 수준 사전 분포의 단순화 한계를 보완하여 범주별 멀티모달 사전으로 누락 성분을 샘플링합니다. 또한 Bayesian NeRF처럼 부피 밀도(occupancy) 관점에서 불확실성을 명시적으로 계량하여 후속 해석의 신뢰도를 확보합니다. 나아가 INR 기반 맵의 업데이트를 함수 도메인 변환 관점에서 정식화하여 재학습 없이 메모리 부담을 줄이는 차별성을 보유합니다.
관련 연구 성과
관련 논문
3편
관련 특허
1건
관련 프로젝트
3건
연구 흐름
초기에는 제한된 정보로부터 전체 장면을 복원하기 위한 Anytime 추정 관점을 설정하고, 잠재변수의 일부가 손실되는 조건에서 대치 성능을 확보하는 방향으로 연구를 수행했습니다. 이후 variational framework 내부에서 범주별 멀티모달 prior를 도입하여 범주 분포 기반 대치의 취약점을 개선했습니다. 다음 단계로는 장면 재구성 결과의 불확실성을 함께 산출하기 위해 Bayesian NeRF로 확장을 수행하고, RGB 및 depth 관측에서 성능과 견고성을 동시에 평가했습니다. 최근에는 INR 기반 SLAM에서 재학습 없이 맵을 갱신하기 위한 도메인 변환 기반 리맵핑을 정식화하여 메모리 효율 문제를 다루고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Anytime 3D Object Reconstruction Using Multi-Modal Variational Autoencoder
Bayesian NeRF: Quantifying Uncertainty With Volume Density for Neural Implicit Fields
Spatial Coordinate Transformation for 3D Neural Implicit Mapping
관련 특허
구분
제목
미관측 뷰를 커버하기 위한 뉴럴 래디언스 필드에 대한 플립 관측 생성 및 최적화
관련 프로젝트
구분
제목
필드용 시각화 센서 및 6축 회전각 센서 기반 무인 자율작업 기술 개발 및 실증
로봇 주행을 이용한 이종 환경에서의 자기지도학습
자율행동체의 하드웨어 플랫폼에 무관한 범용 공간인지 및 작업 프레임워크