하이브리드 크로스디바이스 위치추정: 신경 메트릭 학습과 특징 융합

초록

본 논문은 CroCoDL 2025 챌린지를 위해 설계된 하이브리드 크로스‑디바이스 로컬라이제이션 파이프라인을 제안한다. 단일 MegaLoc 기반 전역 검색 인코더와 두 개의 보완적 로컬라이제이션 브랜치를 결합해, 전통적인 피처 매칭 + PnP와 신경망 기반 메트릭 재위치추정(MapAnything)를 동시에 활용한다. 다중 디스크립터·매처 융합, 신경‑가이드 후보 프루닝, 깊이 조건화 등을 통해 HYDRO·SUCCU 벤치마크에서 R@0.5 m / 5° 92.62 %라는 높은 점수를 달성하였다.

상세 분석

이 연구는 크로스‑디바이스 환경, 즉 서로 다른 카메라 모델·센서 특성을 가진 장치들 사이에서 일관된 6‑DoF 위치추정을 목표로 한다. 핵심 아이디어는 “하이브리드” 접근법으로, 전통적인 구조 기반 파이프라인과 최신 피드‑포워드 신경망을 상호 보완적으로 결합한다는 점이다.

1. 통합 검색 인코더
   MegaLoc