该论文提出了一种用于实时性能的动态环境下的视觉 SLAM 系统，通过引入掩蔽预测机制，将深度学习方法和相机跟踪以不同的频率完全并行运行，实现了在 CPU 上的实时性能。同时，该系统还采用了双阶段光流跟踪方法和光流与ORB特征的混合应用，提高了系统的效率和鲁棒性。与最先进的方法相比，该系统在动态环境中保持高定位精度的同时，在单个笔记本电脑 CPU 上实现了56帧每秒的跟踪帧率，证明了深度学习方法在动态SLAM中的可行性。