Fugu-MT 論文翻訳(概要): V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction

論文の概要: V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction

arxiv url: http://arxiv.org/abs/2008.07519v1
Date: Mon, 17 Aug 2020 17:58:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-28 04:10:46.506640
Title: V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction
Title（参考訳）: V2VNet:共同認識と予測のための車車間通信
Authors: Tsun-Hsuan Wang, Sivabalan Manivasagam, Ming Liang, Bin Yang, Wenyuan Zeng, James Tu, Raquel Urtasun
Abstract要約: 車両間通信(V2V)を用いて、自動運転車の知覚と運動予測性能を向上させる。複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。
参考スコア（独自算出の注目度）: 74.42961817119283
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we explore the use of vehicle-to-vehicle (V2V) communication to improve the perception and motion forecasting performance of self-driving vehicles. By intelligently aggregating the information received from multiple nearby vehicles, we can observe the same scene from different viewpoints. This allows us to see through occlusions and detect actors at long range, where the observations are very sparse or non-existent. We also show that our approach of sending compressed deep feature map activations achieves high accuracy while satisfying communication bandwidth requirements.
Abstract（参考訳）: 本稿では、車両間通信(v2v)を用いて、自動運転車の知覚・運動予測性能を向上させることを検討する。複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。これにより、オクルージョンを通して観察し、観察が極めて少ない、あるいは存在しない、長距離のアクターを検出することができます。また,圧縮された深層特徴マップのアクティベーションは,通信帯域幅要件を満たしながら高い精度を実現していることを示す。

関連論文リスト

Tapping in a Remote Vehicle's onboard LLM to Complement the Ego Vehicle's Field-of-View [1.701722696403793]
本稿では,車載言語モデル(LLM)をタップすることで,エゴ車両の視野(FOV)と他の車両のFOVを補完する概念を提案する。 GPT-4V や GPT-4o など,ごく最近の LLM では,交通状況が極めて詳細に把握されているため,交通参加者の特定にも利用することができる。
論文参考訳（メタデータ） (2024-08-20T12:38:34Z)
Enhanced Cooperative Perception for Autonomous Vehicles Using Imperfect Communication [0.24466725954625887]
本稿では,制約通信下での協調知覚(CP)の最適化を実現するための新しい手法を提案する。私たちのアプローチの核心は、視覚範囲を拡大するために、利用可能なフロント車両のリストから最高のヘルパーを募集することだ。本研究は,協調知覚の全体的な性能向上における2段階最適化プロセスの有効性を実証するものである。
論文参考訳（メタデータ） (2024-04-10T15:37:15Z)
MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文参考訳（メタデータ） (2023-10-08T21:32:30Z)
Learning for Vehicle-to-Vehicle Cooperative Perception under Lossy Communication [30.100647849646467]
本稿では,V2V協調知覚におけるコミュニケーションの損失による副作用(例えば,検出性能低下)について検討する。損失通信の副作用を軽減するため,新しい中間LC対応機能融合法を提案する。提案手法は,V2V通信における協調点雲を用いた3次元物体検出に極めて有効である。
論文参考訳（メタデータ） (2022-12-16T04:18:47Z)
COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文参考訳（メタデータ） (2022-05-04T17:55:12Z)
Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文参考訳（メタデータ） (2021-01-07T06:08:21Z)
Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文参考訳（メタデータ） (2020-12-15T03:03:38Z)
Two-Stream Networks for Lane-Change Prediction of Surrounding Vehicles [8.828423067460644]
高速道路のシナリオでは、人間のドライバーは視覚的手がかりのみを使用して車両を取り巻く早期の切り込みと切り抜きの操作を予想する。周囲車両の車線変化認識と予測に対処するため,ビデオカメラからの視覚的手がかりを積み重ねることで,行動認識・予測問題としてこの問題を提起する。 2ストリーム畳み込みネットワークと乗算器ネットワークという2つのビデオアクション認識アプローチが分析されている。
論文参考訳（メタデータ） (2020-08-25T07:59:15Z)
Cooperative Perception with Deep Reinforcement Learning for Connected Vehicles [7.7003495898919265]
本研究では, 周辺物体の検出精度を高めるために, 深層強化学習を用いた協調認識方式を提案する。本手法は、車両通信網におけるネットワーク負荷を軽減し、通信信頼性を高める。
論文参考訳（メタデータ） (2020-04-23T01:44:12Z)
Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。 3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
論文参考訳（メタデータ） (2020-04-10T13:06:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。