3D Gaussian splatting 기반 SLAM 기술은 실시간 위치 추정 및 고품질 맵 생성을 가능하게 하지만, Gaussian 위치 및 초기화 파라미터의 불확실성으로 인해 반복적인 수렴 과정이 필요하고 Gaussian 표현이 과하거나 부족할 수 있다는 문제점이 존재합니다. 본 논문에서는 Fourier 주파수 영역 분석 기반의 새로운 적응적 밀집화 방법을 제안하여 Gaussian 사전 정보를 설정하고 빠른 수렴을 달성합니다. 또한, Generalized Iterative Closest Point (GICP)를 이용한 효율적인 추적을 지원하는 sparse map과 고품질 시각적 표현을 생성하는 dense map을 독립적이면서 통합적으로 구성하는 방법을 제시합니다. 이는 주파수 영역 분석을 활용하여 실시간으로 고품질 Gaussian mapping을 달성한 최초의 SLAM 시스템입니다. Replica 및 TUM RGB-D 데이터셋에서 평균 36 FPS의 프레임 속도를 달성하였으며, 위치 추정 및 매핑 모두에서 경쟁력 있는 정확도를 보였습니다.
시사점, 한계점
•
시사점:
◦
Fourier 주파수 영역 분석을 활용한 Gaussian splatting 기반 SLAM 시스템 최초 제안.
◦
적응적 밀집화 방법을 통해 Gaussian 사전 정보를 효과적으로 설정하고 빠른 수렴 달성.
◦
Sparse map과 dense map의 통합적인 구성을 통해 효율성과 고품질 시각화를 동시에 달성.
◦
Replica 및 TUM RGB-D 데이터셋에서 실시간 처리 및 경쟁력 있는 정확도 입증.
