요약

RADIO-ViPE는 단안 카메라로 촬영된 임의의 비디오 영상으로부터 실시간으로 오픈보컬러블 SLAM을 수행하는 시스템입니다. 이 시스템은 사용자의 자연어 쿼리(예: '스푼 찾기')를 이해하여 온라인 의미론적 매핑이 가능하며, 별도의 보정 과정이나 깊이 센서 없이도 원시 RGB 영상만으로 3D 환경을 정확하게 추정합니다.

핵심 포인트

• 단안 카메라(monocular video)만을 사용하여 SLAM을 수행할 수 있습니다.
• 자연어 쿼리를 이해하는 최초의 온라인 의미론적 SLAM 시스템입니다.
• 보정, 깊이 센서 또는 사전 자세 정보 없이 원시 RGB 영상만으로 3D 환경 매핑이 가능합니다.
• 실시간 오픈보컬러블(open-vocabulary) 기능을 제공하여 특정 객체 검색 및 추적이 가능합니다.