Know-Your-Scene (KYS)-SLAM: ステレオ視覚SLAMにおける特徴マッチングのための階層的意味・運動事前分布

ステレオvisual SLAMのfeature matchingにおけるsemantic ambiguity・instance-level confusion・independently moving objectsによるdata association汚染とtrajectory driftを解決するため、ORB-SLAM3をmodularに拡張したKnow-Your-Scene (KYS)-SLAMを提案。 - 従来のbinary feature rejectionではなく、contextual evidenceを連続的なcorrespondence costとして再定式化。 - 各keypointにsemantic・panoptic・motion priorsを階層的compatibilityで融合。 - geometric backendは変更せず、feature matchingのみを拡張。

先行のsemantic/dynamic SLAMはbinary feature rejectionでoutlier抑制するためcorrespondence densityを犠牲にする。 - KYS-SLAMはcontextual implausibilityをgraded quantityとして扱い、correspondence modulationで対応点を保持。 - 棄却ではなくpenalizeすることでbundle adjustmentが依存するgeometric supportを維持。 - 単一固定configurationで再調整なしにcross-domain転移を実現。

keypointごとにsemantic・panoptic・motion priorsを階層的compatibility formulationで融合。 - semantic classとinstance identityがstructural plausibilityを強制。 - zero-shot motion scoreがindependently moving objects上のfeatureをdown-weight。 - そのscoreはtraining-free moduleで、depth-aware ego-motion modelをbackground optical flowにfitし、panoptic segmentsをself-calibrating・coverage-aware thresholdsで分類。 - 十分なmotion evidenceのあるsegmentのみpenalizeし、static structureはpenalizeしない。

21 stereo sequencesで単一固定configuration・係数再調整なしに評価。 - 屋外KITTIでper-sequence ATE RMSEを17.4%削減、屋内EuRoCで27.7%削減、regressionなし。 - KITTI Trackingのdynamic subsetsで6.6%削減。 - Virtual KITTI 2で17.8%、最大31.2%削減。 - 屋外driving・屋内flight・synthetic imageryへのcross-domain transferを確認。

要旨からは不明。 - 限界・失敗ケース・計算コスト・threshold感度などの議論は要旨に記載なし。

要旨で参照/比較されている研究は明示されていない。 - 関連手法としてORB-SLAM3、semantic SLAM、dynamic SLAM、panoptic segmentation、zero-shot motion segmentation、optical flow、bundle adjustmentが挙げられる。 - 同分野の定番としてORB-SLAM3、DynaSLAM、DS-SLAM、Detect-SLAMなどが次に読む候補。