MUTE-SLAM: Real-Time Neural SLAM with Multiple Tri-Plane Hash Representations

我们介绍了MUTE-SLAM，这是一个实时的神经RGB-D SLAM系统，采用多个三平面哈希编码来实现高效的场景表示。MUTE-SLAM有效地跟踪相机位置，并逐步构建可扩展的多地图表示，适用于小型和大型室内环境。它动态地为新观察到的局部区域分配子地图，实现无约束的地图绘制，无需先前的场景信息。与传统的基于网格的方法不同，我们使用三个正交轴对齐平面来哈希编码场景属性，从而显著减少哈希冲突和可训练参数的数量。这种混合方法不仅加速了收敛，还增强了表面重建的保真度。此外，我们的优化策略同时优化了与当前相机视锥体相交的所有子地图，确保全局一致性。在真实世界和合成数据集上的广泛测试表明，MUTE-SLAM在各种室内环境中提供了最先进的表面重建质量和竞争性的跟踪性能。代码将在论文被接受后公开。

MUTE-SLAM旨在解决实时RGB-D SLAM系统中的场景表示和全局一致性问题。

使用多个三平面哈希编码来高效地表示场景，动态分配子地图以实现无约束映射，并采用优化策略来确保全局一致性。

MUTE-SLAM使用三个正交轴对齐平面来哈希编码场景属性，从而减少哈希冲突和可训练参数的数量，并提高了表面重建的保真度。实验结果表明，MUTE-SLAM具有最先进的表面重建质量和竞争性的跟踪性能。

在这个领域中，还有一些相关研究，例如ORB-SLAM、LSD-SLAM和DSO等。