論文の概要: Collaborative Perception in Autonomous Driving: Methods, Datasets and Challenges

• arxiv url: http://arxiv.org/abs/2301.06262v1
• Date: Mon, 16 Jan 2023 05:08:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 16:36:01.537076
• Title: Collaborative Perception in Autonomous Driving: Methods, Datasets and Challenges
• Title（参考訳）: 自律運転における協調的知覚 : 方法・データセット・課題
• Authors: Yushan Han, Hui Zhang, Huifang Li, Yi Jin, Congyan Lang, Yidong Li
• Abstract要約: 協調認識は、自律運転における閉塞性やセンサ障害の問題に対処するために不可欠である。 知覚ネットワークや大規模協調認識データセットにおいて、体系的な協調モジュールに関するレビューがまだ残っていない。
• 参考スコア（独自算出の注目度）: 18.781413910176916
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collaborative perception is essential to address occlusion and sensor failure issues in autonomous driving. In recent years, deep learning on collaborative perception has become even thriving, with numerous methods have been proposed. Although some works have reviewed and analyzed the basic architecture and key components in this field, there is still a lack of reviews on systematical collaboration modules in perception networks and large-scale collaborative perception datasets. The primary goal of this work is to address the abovementioned issues and provide a comprehensive review of recent achievements in this field. First, we introduce fundamental technologies and collaboration schemes. Following that, we provide an overview of practical collaborative perception methods and systematically summarize the collaboration modules in networks to improve collaboration efficiency and performance while also ensuring collaboration robustness and safety. Then, we present large-scale public datasets and summarize quantitative results on these benchmarks. Finally, we discuss the remaining challenges and promising future research directions.
• Abstract（参考訳）: 協調認識は、自律運転における閉塞とセンサ障害の問題に対処するために不可欠である。 近年,協調的知覚に関する深層学習が盛んになり,様々な手法が提案されている。 この分野の基本的なアーキテクチャと重要なコンポーネントをレビューし、分析する研究もあるが、知覚ネットワークや大規模協調認識データセットにおいて、体系的な協調モジュールに関するレビューはいまだにない。 この研究の主な目標は、上記の課題に対処し、この分野における最近の業績を総合的にレビューすることである。 まず,基本的な技術と協調方式を紹介する。 続いて,ネットワーク内の協調モジュールを系統的に要約し,協調効率と性能を向上させるとともに,協調の堅牢性と安全性を確保する。 次に,大規模公開データセットを提示し,これらのベンチマークで定量的な結果を要約する。 最後に,今後の課題と今後の研究の方向性について論じる。

関連論文リスト

• Peer Review as A Multi-Turn and Long-Context Dialogue with Role-Based Interactions [62.0123588983514]
  大規模言語モデル(LLM)は様々な分野にまたがる幅広い応用を実証してきた。 我々は、ピアレビュープロセスを多ターン長文対話として再構築し、著者、レビュアー、意思決定者に対して異なる役割を担っている。 複数の情報源から収集された92,017件のレビューを含む26,841件の論文を含む包括的データセットを構築した。
  論文  参考訳（メタデータ） (2024-06-09T08:24:17Z)
• CoPeD-Advancing Multi-Robot Collaborative Perception: A Comprehensive Dataset in Real-World Environments [8.177157078744571]
  本稿では,先駆的で包括的な実世界のマルチロボット協調認識データセットを提案する。 生のセンサー入力、ポーズ推定、オプションのハイレベル認識アノテーションが特徴である。 この研究は、マルチロボット設定におけるマルチモーダル協調認識を通して、ハイレベルなシーン理解の潜在的研究を解き放つだろうと考えている。
  論文  参考訳（メタデータ） (2024-05-23T15:59:48Z)
• A Review of Cooperation in Multi-agent Learning [5.334450724000142]
  マルチエージェント学習(MAL)における協調は、多くの分野の共通点におけるトピックである。 本稿では,マルチエージェント学習の基本概念,問題設定,アルゴリズムについて概説する。
  論文  参考訳（メタデータ） (2023-12-08T16:42:15Z)
• Federated Learning for Generalization, Robustness, Fairness: A Survey and Benchmark [55.898771405172155]
  フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。 我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
  論文  参考訳（メタデータ） (2023-11-12T06:32:30Z)
• Parsing Objects at a Finer Granularity: A Survey [54.72819146263311]
  微細な視覚解析は、農業、リモートセンシング、宇宙技術など、多くの現実世界の応用において重要である。 卓越した研究努力は、異なるパラダイムに従って、これらのきめ細かいサブタスクに取り組む。 我々は,パート関係を学習する新たな視点から,先進的な研究を深く研究する。
  論文  参考訳（メタデータ） (2022-12-28T04:20:10Z)
• Collaborative Perception for Autonomous Driving: Current Status and Future Trend [33.6716877086539]
  車両が情報を共有することで、視線や視野を超えた環境を知覚できるコラボレーティブな認識が提案されている。 本稿では,コラボレーティブモードを一般化し,コラボレーティブ認知の重要な要素と応用を要約する,基本的な概念を紹介する。
  論文  参考訳（メタデータ） (2022-08-22T14:51:29Z)
• Using Hashtags to Analyze Purpose and Technology Application of Open-Source Project Related to COVID-19 [5.89408513477919]
  本研究では,異なる機能を持つプロジェクトの動向と,機能と技術の関係について検討する。 調査の結果は、GitHubコミュニティのさまざまな機能を持つプロジェクトの数に不均衡があることを示している。 開発者の自発的な行動は組織を欠き、ニーズを標的にすることを難しくするかもしれません。
  論文  参考訳（メタデータ） (2022-07-03T02:37:31Z)
• Benchopt: Reproducible, efficient and collaborative optimization benchmarks [67.29240500171532]
  Benchoptは、機械学習で最適化ベンチマークを自動化、再生、公開するためのフレームワークである。 Benchoptは実験を実行、共有、拡張するための既製のツールを提供することで、コミュニティのベンチマークを簡単にする。
  論文  参考訳（メタデータ） (2022-06-27T16:19:24Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Survey on the Analysis and Modeling of Visual Kinship: A Decade in the Making [66.72253432908693]
  親和性認識は多くの実践的応用において難しい問題である。 我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。 10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
  論文  参考訳（メタデータ） (2020-06-29T13:25:45Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。