본 논문은 기존 시각적 위치 추정 방법들의 복잡성과 정확도 한계를 극복하기 위해 3D Gaussian Splatting (3DGS)을 활용한 새로운 방법을 제안합니다. 경량 XFeat 특징 추출기를 이용하여 얻은 밀집적이고 강건한 키포인트 기술자를 3DGS에 통합하는 2단계 절차를 통해, 실내외 환경 모두에서 성능을 향상시킵니다. 1단계에서는 3DGS 표현과 쿼리 이미지 기술자 간의 2D-3D 대응 관계를 이용하여 대략적인 자세 추정을 얻고, 2단계에서는 렌더링 기반 광도 왜곡 손실을 최소화하여 초기 자세 추정값을 정제합니다. NeRFMatch와 PNeRFLoc 등 최신 신경망 렌더링 기반 위치 추정 방법들보다 우수한 성능을 실내외 데이터셋에서 입증합니다.
