論文の概要: Collaborative Multi-Agent Video Fast-Forwarding

• arxiv url: http://arxiv.org/abs/2305.17569v1
• Date: Sat, 27 May 2023 20:12:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-30 18:19:20.838043
• Title: Collaborative Multi-Agent Video Fast-Forwarding
• Title（参考訳）: コラボレーション型マルチエージェントビデオの高速転送
• Authors: Shuyue Lan, Zhilu Wang, Ermin Wei, Amit K. Roy-Chowdhury and Qi Zhu
• Abstract要約: 分散および集中型設定における協調的マルチエージェントビデオ高速転送フレームワークを2つ開発する。 これらのフレームワークでは、各エージェントは、複数の戦略に基づいて、調整可能なペースで、ビデオフレームを選択的に処理またはスキップすることができる。 文献の他のアプローチと比較して、フレームワークは重要なフレームのカバレッジを向上し、各エージェントで処理されるフレームの数を著しく削減する。
• 参考スコア（独自算出の注目度）: 30.843484383185473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent applications have recently gained significant popularity. In many computer vision tasks, a network of agents, such as a team of robots with cameras, could work collaboratively to perceive the environment for efficient and accurate situation awareness. However, these agents often have limited computation, communication, and storage resources. Thus, reducing resource consumption while still providing an accurate perception of the environment becomes an important goal when deploying multi-agent systems. To achieve this goal, we identify and leverage the overlap among different camera views in multi-agent systems for reducing the processing, transmission and storage of redundant/unimportant video frames. Specifically, we have developed two collaborative multi-agent video fast-forwarding frameworks in distributed and centralized settings, respectively. In these frameworks, each individual agent can selectively process or skip video frames at adjustable paces based on multiple strategies via reinforcement learning. Multiple agents then collaboratively sense the environment via either 1) a consensus-based distributed framework called DMVF that periodically updates the fast-forwarding strategies of agents by establishing communication and consensus among connected neighbors, or 2) a centralized framework called MFFNet that utilizes a central controller to decide the fast-forwarding strategies for agents based on collected data. We demonstrate the efficacy and efficiency of our proposed frameworks on a real-world surveillance video dataset VideoWeb and a new simulated driving dataset CarlaSim, through extensive simulations and deployment on an embedded platform with TCP communication. We show that compared with other approaches in the literature, our frameworks achieve better coverage of important frames, while significantly reducing the number of frames processed at each agent.
• Abstract（参考訳）: マルチエージェントアプリケーションは近年大きな人気を集めている。 多くのコンピュータビジョンタスクでは、カメラを持ったロボットのチームのようなエージェントのネットワークが協調して作業することで、環境を効率よく正確な状況認識に利用することができる。 しかし、これらのエージェントは計算、通信、ストレージ資源が限られていることが多い。 したがって、マルチエージェントシステムを展開する際には、環境の正確な認識を保ちながらリソース消費を減らすことが重要な目標となる。 この目的を達成するために,マルチエージェントシステムにおける異なるカメラビュー間の重なり合いを識別し,冗長/重要/重要ビデオフレームの処理,送信,保存を削減した。 具体的には,分散設定と集中設定の2つの協調的マルチエージェントビデオ高速転送フレームワークを開発した。 これらのフレームワークでは、各エージェントは強化学習を通じて複数の戦略に基づいて、調整可能なペースでビデオフレームを選択的に処理またはスキップすることができる。 複数のエージェントが協調して環境を感知する 1)DMVFと呼ばれる合意に基づく分散フレームワークで、隣人とのコミュニケーションと合意を確立することにより、エージェントの迅速な前進戦略を定期的に更新する。 2)MFFNetと呼ばれる集中型フレームワークは,収集データに基づいてエージェントの高速フォワード戦略を決定するために中央制御器を利用する。 実世界の監視ビデオデータセット VideoWeb と新しいシミュレートドライビングデータセット CarlaSim 上で,TCP 通信を備えた組み込みプラットフォーム上での広範なシミュレーションとデプロイにより,提案手法の有効性と効率を実証した。 文献の他のアプローチと比較して、フレームワークは重要なフレームのカバレッジを向上し、各エージェントで処理されるフレームの数を著しく削減する。

関連論文リスト

• Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T05:56:51Z)
• Distributed NeRF Learning for Collaborative Multi-Robot Perception [16.353043979615496]
  マルチエージェントシステムは、環境のより包括的なマッピング、より高速なカバレッジ、耐障害性の向上を提供することができる。 本稿では,RGB画像からニューラルレイディアンス場(NeRF)を総合的に学習してシーンを表現できる協調型マルチエージェント認識システムを提案する。 本手法の有効性は,挑戦的な実世界のシーンを含むデータセットに対する広範な実験を通して示す。
  論文  参考訳（メタデータ） (2024-09-30T13:45:50Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• Learning Multi-Agent Communication from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 提案手法であるCommFormerは,通信グラフを効率よく最適化し,勾配降下によるアーキテクチャパラメータをエンドツーエンドで並列に洗練する。
  論文  参考訳（メタデータ） (2024-05-14T12:40:25Z)
• ABN: Agent-Aware Boundary Networks for Temporal Action Proposal Generation [14.755186542366065]
  時間的行動提案生成(TAPG)は、未トリミングビデオ中の時間的行動間隔を推定することを目的としている。 本稿では,2つのサブネットワークからなるエージェント・アウェア境界ネットワーク(ABN)を提案する。 提案するABNは,TAPGのバックボーンネットワークによらず,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-03-16T21:06:34Z)
• Multi-agent Communication with Graph Information Bottleneck under Limited Bandwidth (a position paper) [92.11330289225981]
  多くの実世界のシナリオでは、通信は高価であり、マルチエージェントシステムの帯域幅には一定の制約がある。 通信資源を占有する冗長なメッセージは、情報的メッセージの送信をブロックし、パフォーマンスを損なう。 本稿では,通信グラフ内の構造情報とノード情報を効果的に圧縮し,帯域幅に制約のある設定に対処する,新しいマルチエージェント通信モジュールCommGIBを提案する。
  論文  参考訳（メタデータ） (2021-12-20T07:53:44Z)
• MACRPO: Multi-Agent Cooperative Recurrent Policy Optimization [17.825845543579195]
  我々はtextitMulti-Agent Cooperative Recurrent Proximal Policy Optimization (MACRPO) と呼ばれる新しいマルチエージェントアクター批判手法を提案する。 我々は、批評家のネットワークアーキテクチャにおいてリカレント・レイヤを使用し、メタ・トラジェクトリを使用してリカレント・レイヤをトレーニングする新しいフレームワークを提案する。 連続的および離散的な行動空間を持つ3つの挑戦的マルチエージェント環境において,本アルゴリズムの評価を行った。
  論文  参考訳（メタデータ） (2021-09-02T12:43:35Z)
• Distributed Multi-agent Video Fast-forwarding [30.843484383185473]
  本稿では,マルチビュー映像ストリームを協調的かつ適応的に高速に転送するDMVFという,コンセンサスに基づく分散マルチエージェントビデオ高速転送フレームワークを提案する。 実世界の監視ビデオデータセットVideoWebの文献的アプローチと比較して、本手法は重要なフレームのカバレッジを大幅に改善し、システム内で処理されるフレーム数を削減します。
  論文  参考訳（メタデータ） (2020-08-10T22:08:49Z)
• Multi-Agent Routing Value Iteration Network [88.38796921838203]
  疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。 最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-07-09T22:16:45Z)
• When2com: Multi-Agent Perception via Communication Graph Grouping [31.804230874472292]
  多くのアプリケーションは、カバレッジやロバスト性などの利点により、複数のセンサーエージェントとエージェント間通信を必要とする。 したがって、分散かつ帯域幅効率のよいマルチエージェント協調認識をサポートするフレームワークを開発することが重要である。 本稿では,コミュニケーショングループの構築と通信のタイミングの決定を両立させることにより,コミュニケーションフレームワークを提案する。 本稿では,2つの異なる認識課題におけるフレームワークの一般化可能性を示すとともに,優れた性能を維持しつつ通信帯域幅を大幅に削減することを示す。
  論文  参考訳（メタデータ） (2020-05-30T04:41:32Z)
• F2A2: Flexible Fully-decentralized Approximate Actor-critic for Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
  分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。 本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。 当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
  論文  参考訳（メタデータ） (2020-04-17T14:56:29Z)

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。