본 논문은 DINOv2와 같은 비주얼 기반 모델의 강점을 활용하여 강건하고 일반화된 단안 시각적 오도메트리(VO) 시스템인 DINO-VO를 제시합니다. DINOv2의 조잡한 특징 해상도 문제를 해결하기 위해, DINOv2에 맞춤화된 핵심점 검출기를 제안하고, 기하학적 특징을 추가하여 더욱 정확한 위치 추정을 가능하게 합니다. 트랜스포머 기반 매칭과 미분 가능한 자세 추정 계층을 통해 정밀한 카메라 움직임 추정을 수행하며, TartanAir, KITTI, EuRoC 데이터셋에서 기존 방법보다 우수한 성능을 보입니다. 72 FPS의 빠른 속도와 1GB 미만의 메모리 사용량으로 효율성을 높였으며, 야외 주행 시나리오에서도 Visual SLAM 시스템과 경쟁력 있는 성능을 보여줍니다.
