English(EN) Efficient Sparse-to-Dense Visual Localization via Compact Gaussian Scene Representation and Accelerated Dense Pose Estimation

LiteLoc 系统大幅削减视觉定位的存储和计算量

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 02:51

研究人员开发了 LiteLoc，这是一种更高效的视觉定位系统，与以前的方法相比，显著降低了存储和计算需求。该系统通过将其高斯场景表示中的特征属性与颜色信息分离来实现这一点，消除了超过 90% 的冗余数据。此外，LiteLoc 通过将密集匹配提炼成一个更小、更具代表性的子集来加速姿态估计，从而在性能影响极小的情况下将速度提高了近 19 倍。 AI

影响为视觉定位任务提供了显著的效率提升，有可能在机器人和自主系统中实现实时应用。

排序理由关于一种新的视觉定位方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Jiayi Ma · 2026-05-18 02:51

Efficient Sparse-to-Dense Visual Localization via Compact Gaussian Scene Representation and Accelerated Dense Pose Estimation

This letter presents LiteLoc, a novel and efficient localizer built on 3D Gaussian Splatting (3DGS). The previous state-of-the-art (SoTA) sparse-to-dense localizer, STDLoc, has shown remarkable localization capability but suffers from severe storage redundancy and computational l…

报道来源 [1]

Efficient Sparse-to-Dense Visual Localization via Compact Gaussian Scene Representation and Accelerated Dense Pose Estimation

相关实体

相关话题