Simultaneous Localization and Mapping(SLAM) field, which simultaneously estimates camera pose and mapping, has been one of the main research fields in autonomous driving, intelligent robots, and extended reality today. Recently, slam studies of implicit representation methods have been actively researched to improve huge memory usage problem from explicit representation based SLAM methods. However, in implicit representation SLAM system, the estimation of camera accuracy is relatively low compared to existing explicit representation based slam studies. Meanwhile, as simply estimating the location and mapping of the camera is not enough for an immersive extended reality experience, the need for digital twin with semantic information for individual objects emerges. This leads to more semantic information, which could be used in SLAM system, is acquired in advance. Therefore, in this paper, assuming that there is an accurate semantic information acquired in advance, we propose a system to improve the insufficient camera accuracy of implicit neural representation based slam system.

카메라의 위치와 맵핑을 정확하게 추정하는 슬램 기술은 오늘날 자율 주행, 지능형 로봇, 확장 현실 분야에 서 활발히 연구되는 분야이다. 특히 최근에는 명시적 방법을 기반으로 한 슬램 기술의 많은 메모리 사용량 문제를 개선하기 위해 암시적 뉴럴 표현 방식의 슬램 연구가 활발히 되고 있다. 그러나 암시적 표현 방식의 슬램 기술들의 경우 기존 명시적 접근 기반의 슬램 연구들에 비해 카메라 정확도의 추정이 상대적으로 낮다. 한편, 몰입감 있는 확장 현실 경험을 위해 단순히 카메라의 위치와 맵핑을 추정하는 것을 넘어, 개별 객체에 대한 시멘틱 정보가 포함된 디지털 트윈의 필요성이 점차 대두되고 있으며, 이에 따라 시멘틱 정보가 사전에 구축된 경우들이 점차 늘어나고 있다. 따라서, 본 논문에서는 사전에 구축된 정확한 시멘틱 정보가 있는 상황을 가정하며, 이를 활용하여 암시적 뉴럴 표현 방식의 슬램 기술의 부족한 카메라 정확도를 개선하는 시스템을 제안한다.