RawSLAM: 온라인 HDR 가우시안 SLAM 프레임워크 공개
RawSLAM: Online HDR Gaussian SLAM from Linear Radiance
arXiv기존 저조도 환경에서 어려움을 겪던 시각적 SLAM 시스템의 한계를 극복한 온라인 가우시안 SLAM 프레임워크가 개발되었습니다.
- 이 방법은 16비트 선형 HDR 이미지를 실시간으로 처리하는 최초의 온라인 가우시안 SLAM 프레임워크로, 극한 조명 변화에서도 안정적인 추적 및 매핑을 구현합니다.
- 급격한 그림자나 하이라이트로 인한 오류를 근본적으로 해결하며, 표준 8비트 입력에도 적용 가능하여 높은 범용성과 정확도를 자랑합니다.
- 연구의 신뢰성을 위해 16비트 RAW 이미지, 깊이, IMU 측정값 등이 포함된 새로운 실세계 데이터셋(RawSLAM)을 공개했습니다.
기존의 시각적 SLAM 시스템은 주로 8비트의 저역동 범위(LDR) 입력에 의존하여, 그림자나 하이라이트 같은 극한 조명 환경에서 추적 드리프트 및 매핑 붕괴 문제가 발생했습니다. 또한 기존의 원본 또는 고역동 범위(HDR) 재구성 파이프라인은 구조-기반 모션(Structure-from-Motion) 전처리에 의존하여 오프라인으로만 작동하는 한계가 있었습니다. 본 연구는 단일 노출 16비트 선형 HDR 이미지를 직접 추적하고 매핑할 수 있는 최초의 온라인 가우시안 SLAM 프레임워크를 제시합니다.
이 방법은 MLP-free 로그 화된 가우시안 색상 특징, Reinhard 범위 압축 광도 목적 함수, 구조 기반 공간 기울기 등 세 가지 핵심 구성 요소에 기반합니다. 이 조합을 통해 제안된 접근 방식은 궤적 및 재구성 정확도 모두에서 MonoGS의 직접적인 HDR 적응 방식을 능가하며, 선형 장면 복사(linear scene radiance)로 네이티브 렌더링이 가능합니다. 특히 표준 8비트 입력에도 동일한 공식이 적용되어 MonoGS 기준 오차를 약 절반으로 줄이는 성능을 보였습니다.
제안된 HDR 가우시안 모듈은 SplaTAM, Gaussian SLAM, DROID-W 등 다른 시스템에도 원활하게 전송되어 까다로운 조명 시퀀스에서 발생하는 모든 추적 실패 문제를 제거합니다. 연구의 신뢰성 확보를 위해 16비트 RAW 이미지, 정렬된 깊이 정보, IMU 측정값 및 외부 OptiTrack 포즈가 포함된 실세계 인테리어 시퀀스 10개로 구성된 새로운 데이터셋 RawSLAM을 공개했습니다.
용어 풀이
- 파라미터
- 모델이 학습하면서 조정한 내부 숫자. 개수가 많을수록 대체로 모델이 크고 무거워요.
- 가중치
- 학습으로 정해진 모델 내부의 숫자 값. 내려받는 모델 파일의 본체예요.