FoundationSLAM：利用深度基础模型进行端到端密集视觉SLAM

本文介绍了FoundationSLAM，一种利用深度基础模型来提高视觉SLAM的准确性和鲁棒性的新型单目密集SLAM系统。关键创新在于将流量估计与几何推理相结合，解决了先前基于流量的方法的局限性。混合流量网络、双一致性束调整层和可靠性感知细化机制的使用是实现实时性能和在具有挑战性的数据集上获得卓越结果的重要贡献。本文侧重于解决几何一致性并实现实时性能，使其成为对该领域的宝贵贡献。

• •提出了 FoundationSLAM，一种新颖的单目密集 SLAM 系统。
• •利用深度基础模型来提高准确性和鲁棒性。
• •引入了混合流量网络、双一致性束调整层和可靠性感知细化机制。
• •实现了实时性能（18 FPS）并在具有挑战性的数据集上取得了卓越的结果。