論文の概要: Attention Based Feature Fusion For Multi-Agent Collaborative Perception
- arxiv url: http://arxiv.org/abs/2305.02061v1
- Date: Wed, 3 May 2023 12:06:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 15:05:14.520706
- Title: Attention Based Feature Fusion For Multi-Agent Collaborative Perception
- Title（参考訳）: マルチエージェント協調知覚のための注意に基づく特徴融合
- Authors: Ahmed N. Ahmed, Siegfried Mercelis, Ali Anwar
- Abstract要約: グラフアテンションネットワーク(GAT)の形での中間的協調認識ソリューションを提案する。
提案手法は,複数の連結エージェント間で交換される中間表現を融合するアテンションベースのアグリゲーション戦略を開発する。
このアプローチは、チャネルレベルと空間レベルの中間特徴写像における重要な領域を適応的に強調することにより、オブジェクト検出精度が向上する。
- 参考スコア（独自算出の注目度）: 4.120288148198388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the domain of intelligent transportation systems (ITS), collaborative
perception has emerged as a promising approach to overcome the limitations of
individual perception by enabling multiple agents to exchange information, thus
enhancing their situational awareness. Collaborative perception overcomes the
limitations of individual sensors, allowing connected agents to perceive
environments beyond their line-of-sight and field of view. However, the
reliability of collaborative perception heavily depends on the data aggregation
strategy and communication bandwidth, which must overcome the challenges posed
by limited network resources. To improve the precision of object detection and
alleviate limited network resources, we propose an intermediate collaborative
perception solution in the form of a graph attention network (GAT). The
proposed approach develops an attention-based aggregation strategy to fuse
intermediate representations exchanged among multiple connected agents. This
approach adaptively highlights important regions in the intermediate feature
maps at both the channel and spatial levels, resulting in improved object
detection precision. We propose a feature fusion scheme using attention-based
architectures and evaluate the results quantitatively in comparison to other
state-of-the-art collaborative perception approaches. Our proposed approach is
validated using the V2XSim dataset. The results of this work demonstrate the
efficacy of the proposed approach for intermediate collaborative perception in
improving object detection average precision while reducing network resource
usage.
- Abstract（参考訳）: 知的輸送システム(ITS)の分野では、複数のエージェントが情報を交換できるようにすることで、個人の知覚の限界を克服し、状況認識を高めるという、有望なアプローチとして協調認識が出現している。
協調的な知覚は個々のセンサーの限界を克服し、接続されたエージェントが視線や視野を超えた環境を認識できるようにする。
しかし、協調知覚の信頼性は、限られたネットワークリソースがもたらす課題を克服しなければならないデータ集約戦略と通信帯域に大きく依存する。
本稿では,物体検出の精度の向上と限られたネットワーク資源の緩和を目的として,グラフ注意ネットワーク(GAT)の形式での協調認識ソリューションを提案する。
提案手法は,複数の連結エージェント間で交換される中間表現を融合するアテンションベースのアグリゲーション戦略を開発する。
このアプローチは、チャネルレベルと空間レベルの中間特徴写像における重要な領域を適応的に強調し、オブジェクト検出精度を向上させる。
注意に基づくアーキテクチャを用いた特徴融合方式を提案し,他の最先端協調知覚手法と比較して定量的に評価する。
提案手法はV2XSimデータセットを用いて検証する。
本研究は,ネットワークリソース使用量を削減しつつ,物体検出平均精度を向上させるための中間協調知覚手法の有効性を示す。
関連論文リスト
- Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - GASE: Graph Attention Sampling with Edges Fusion for Solving Vehicle Routing Problems [6.084414764415137]
車両のルーティング問題を解決するためにEdges Fusionフレームワークを用いた適応型グラフ注意サンプリングを提案する。
提案手法は,既存の手法を2.08%-6.23%上回り,より強力な一般化能力を示す。
論文 参考訳（メタデータ） (2024-05-21T03:33:07Z) - Collaborative Knowledge Infusion for Low-resource Stance Detection [83.88515573352795]
姿勢検出モデルを支援するために、ターゲット関連の知識がしばしば必要である。
低リソース姿勢検出タスクに対する協調的知識注入手法を提案する。
論文 参考訳（メタデータ） (2024-03-28T08:32:14Z) - Spatio-Temporal Domain Awareness for Multi-Agent Collaborative
Perception [18.358998861454477]
車両間通信の潜在的な応用としてのマルチエージェント協調認識は、単一エージェント認識よりも自律走行車の性能知覚を著しく向上させる可能性がある。
本稿では,エージェント間の認識特性をエンドツーエンドに集約する新しい協調認識フレームワークSCOPEを提案する。
論文 参考訳（メタデータ） (2023-07-26T03:00:31Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-25T14:20:52Z) - Collaborative Mean Estimation over Intermittently Connected Networks
with Peer-To-Peer Privacy [86.61829236732744]
本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。
目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2023-02-28T19:17:03Z) - Interpolation-based Correlation Reduction Network for Semi-Supervised
Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。
この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文 参考訳（メタデータ） (2022-06-06T14:26:34Z) - Feature Sharing and Integration for Cooperative Cognition and Perception
with Volumetric Sensors [11.737037965090535]
我々は、Deep Feature Sharing(DFS)の概念を詳細に分析する。
我々は,異なる協調物体検出設計を探求し,その性能を平均精度で評価する。
その結果,DFS法はGPSノイズによる局所化誤差にかなり敏感であることがわかった。
論文 参考訳（メタデータ） (2020-11-16T22:43:44Z) - Bandwidth-Adaptive Feature Sharing for Cooperative LIDAR Object
Detection [2.064612766965483]
コネクテッド・自動運転車(CAV)領域で必要となる状況認識。
協調機構は、高速無線車載ネットワークを利用して状況認識を改善するソリューションを提供する。
本稿では,通信チャネル容量に適応する柔軟性を付加する機構と,新たな分散共有データアライメント手法を提案する。
論文 参考訳（メタデータ） (2020-10-22T00:12:58Z) - Cooperative LIDAR Object Detection via Feature Sharing in Deep Networks [11.737037965090535]
協調物体検出(FS-COD)のための特徴共有の概念を導入する。
提案手法では, 協調車両間で部分的に処理されたデータを共有することにより, 環境の理解を深める。
提案手法は,従来の単車車物体検出手法よりも性能に優れていた。
論文 参考訳（メタデータ） (2020-02-19T20:47:09Z) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-14T17:43:52Z)
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。