UniSim-SLAM：以统一Sim(3)优化实现前馈SLAM

最近的几何基础模型支持 SLAM 的前馈推理，但它们的预测强烈依赖于输入视图集，当结果链接到长序列时，这会导致几何不一致和轨迹漂移。在线部署进一步暴露了双视图跟踪的低延迟和多视图推理的约束丰富性之间的权衡。我们介绍 UniSim-SLAM，这是一个集成系统，它在前端运行轻量级双视图关键帧跟踪，并在后端执行定期多视图子图细化。为了将异构局部坐标中定义的预测与不一致的尺度结合起来，我们在 $Sim(3)$ 上制定了一个统一的多级因子图，联合优化全局关键帧姿势和子图姿势。该图集成了时间视图到视图里程计边缘、具有深度统计比例锚定的视图到子图桥接边缘以及子图到子图连接和比例约束，以在子图之间强制执行一致的相似性关系。 TUM RGB-D 和 7-Scenes 上的实验表明，UniSim-SLAM 在未校准设置中实现了最先进的精度，与之前的最佳结果相比，TUM RGB-D 上的轨迹误差减少了 $38.5\%$，7-Scenes 上的轨迹误差减少了 $45.9\%$。项目页面：https://vision3d-lab.github.io/unisim-slam/