- …
- …
#655
summarized by : Yusuke Saito
どんな論文か？
TSDFなどの密なリアルタイム3D点群の再構成法において、事前シーン群の知識を用いていないため、メモリ容量と表面品質のバランスをとることが難しかった。本論文では、PLIVoxs（Probabilistic Local Implicit Voxels）に基づいたDI-Fusion（Deep Implicit Fusion）手法を提案する。
新規性
- TSDFなどの三次元再構成の表現は、陰関数が連続的であるにもかかわらず，表面再構成の品質やメモリの保存に問題が生じるため、Implicit Representationを使用したこと。
- 三次元再構成のImplicit Representationにおいて、深層の事前シーン知識を組み込んだこと。
結果
- 定量的結果：ICL-NUIMデータセットでDVO-SLAM, Surfel, TSDFと比較、ATE(Absolute Trajectory Error)の全ての手法より良い値を示した。また、表面誤差の評価手法では、より少ないパラメータで最先端の表面誤差に到達し、メモリ効率が良いことを示した。
- 定性的には、少ないパラメータでシーン全体を再現していることがわかった。
その他（なぜ通ったか？等）
-TSDFより効率的にリアルタイム三次元再構成ができている、という点
- リアルタイム三次元再構成において、Implicit Representationに深層学習をうまく組み合わせている点
- …
- …