論文の概要: RoCo:Robust Collaborative Perception By Iterative Object Matching and Pose Adjustment
- arxiv url: http://arxiv.org/abs/2408.00257v1
- Date: Thu, 1 Aug 2024 03:29:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-04 21:45:24.528349
- Title: RoCo:Robust Collaborative Perception By Iterative Object Matching and Pose Adjustment
- Title（参考訳）: RoCo:反復的オブジェクトマッチングとポーズ調整によるロバスト協調認識
- Authors: Zhe Huang, Shuo Wang, Yongcai Wang, Wanting Li, Deying Li, Lei Wang,
- Abstract要約: 複数の車両との協調自動運転は通常、複数のモードからのデータ融合を必要とする。
協調的な知覚では、モダリティに基づく物体検出の品質は、エージェント間の相対的なポーズ誤差に非常に敏感である。
反復的なオブジェクトマッチングとエージェントポーズ調整を行うための新しい教師なしフレームワークであるRoCoを提案する。
- 参考スコア（独自算出の注目度）: 9.817492112784674
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Collaborative autonomous driving with multiple vehicles usually requires the data fusion from multiple modalities. To ensure effective fusion, the data from each individual modality shall maintain a reasonably high quality. However, in collaborative perception, the quality of object detection based on a modality is highly sensitive to the relative pose errors among the agents. It leads to feature misalignment and significantly reduces collaborative performance. To address this issue, we propose RoCo, a novel unsupervised framework to conduct iterative object matching and agent pose adjustment. To the best of our knowledge, our work is the first to model the pose correction problem in collaborative perception as an object matching task, which reliably associates common objects detected by different agents. On top of this, we propose a graph optimization process to adjust the agent poses by minimizing the alignment errors of the associated objects, and the object matching is re-done based on the adjusted agent poses. This process is carried out iteratively until convergence. Experimental study on both simulated and real-world datasets demonstrates that the proposed framework RoCo consistently outperforms existing relevant methods in terms of the collaborative object detection performance, and exhibits highly desired robustness when the pose information of agents is with high-level noise. Ablation studies are also provided to show the impact of its key parameters and components. The code is released at https://github.com/HuangZhe885/RoCo.
- Abstract（参考訳）: 複数の車両との協調自動運転は通常、複数のモードからのデータ融合を必要とする。
有効融合を確保するため、個々のモダリティのデータは、合理的に高い品質を維持しなければならない。
しかし,協調的な知覚では,モダリティに基づく物体検出の品質はエージェント間の相対的なポーズ誤差に非常に敏感である。
機能障害が発生し、協調的なパフォーマンスが大幅に低下します。
この問題に対処するために、反復的なオブジェクトマッチングとエージェントポーズ調整を行う新しい教師なしフレームワークであるRoCoを提案する。
我々の知識を最大限に活用するために、我々の研究は、協調認識におけるポーズ補正問題を、異なるエージェントによって検出される共通オブジェクトを確実に関連付けるオブジェクトマッチングタスクとしてモデル化する最初のものである。
そこで本研究では,関連するオブジェクトのアライメントエラーを最小限に抑えることで,エージェントのポーズを調整するグラフ最適化プロセスを提案し,調整されたエージェントのポーズに基づいてオブジェクトマッチングを再開する。
この工程は収束するまで反復的に行われる。
シミュレーションと実世界の両方のデータセットに関する実験的研究により、提案フレームワークのRoCoは、協調オブジェクト検出性能の観点から既存の関連手法を一貫して上回り、エージェントのポーズ情報が高レベルノイズである場合に非常に望ましいロバスト性を示すことが示された。
アブレーション研究は、その重要なパラメータと構成要素の影響を示すためにも提供される。
コードはhttps://github.com/HuangZhe885/RoCo.comで公開されている。
関連論文リスト
- A Modern Take on Visual Relationship Reasoning for Grasp Planning [10.543168383800532]
本稿では,視覚的リレーショナル推論による把握計画を提案する。
D3GDは、97の異なるカテゴリから最大35のオブジェクトを持つビンピックシーンを含む、新しいテストベッドである。
また、新しいエンドツーエンドのトランスフォーマーベースの依存性グラフ生成モデルであるD3Gを提案する。
論文 参考訳（メタデータ） (2024-09-03T16:30:48Z) - A Plug-and-Play Method for Rare Human-Object Interactions Detection by Bridging Domain Gap [50.079224604394]
textbfContext-textbfEnhanced textbfFeature textbfAment (CEFA) と呼ばれる新しいモデルに依存しないフレームワークを提案する。
CEFAは機能アライメントモジュールとコンテキスト拡張モジュールで構成される。
本手法は, 稀なカテゴリにおけるHOIモデルの検出性能を向上させるために, プラグアンドプレイモジュールとして機能する。
論文 参考訳（メタデータ） (2024-07-31T08:42:48Z) - Self-Localized Collaborative Perception [49.86110931859302]
我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。
$mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。
$mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
論文 参考訳（メタデータ） (2024-06-18T15:26:54Z) - Towards Consistent Object Detection via LiDAR-Camera Synergy [17.665362927472973]
物体の位置を点雲と画像の両方で検出できる既存のモデルは存在しない。
本稿では,エンドツーエンドの一貫性オブジェクト検出(COD)アルゴリズムフレームワークを提案する。
本稿では,点雲と画像間の物体相関の精度を評価するために,新しい評価指標である一貫性精度(Consistency Precision)を提案する。
論文 参考訳（メタデータ） (2024-05-02T13:04:26Z) - Counterfactual Reasoning for Multi-Label Image Classification via Patching-Based Training [84.95281245784348]
共起関係の過度な強調は、モデルの過度な問題を引き起こす可能性がある。
本稿では,対象対象物とその共起対象物による相関特性を媒介者とみなすことができることを示す因果推論フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-09T13:13:24Z) - Scene-Graph ViT: End-to-End Open-Vocabulary Visual Relationship Detection [14.22646492640906]
オープン語彙の視覚的関係検出のための単純かつ高効率なデコーダレスアーキテクチャを提案する。
我々のモデルはTransformerベースの画像エンコーダで、オブジェクトをトークンとして表現し、それらの関係を暗黙的にモデル化する。
提案手法は,ビジュアルゲノムおよび大語彙GQAベンチマーク上で,リアルタイムな推論速度で,最先端の関係検出性能を実現する。
論文 参考訳（メタデータ） (2024-03-21T10:15:57Z) - Towards a Unified Transformer-based Framework for Scene Graph Generation
and Human-object Interaction Detection [116.21529970404653]
本稿では,Transformerアーキテクチャに基づく一段階統一モデルであるSG2HOI+を紹介する。
本手法では,SGGとHOI検出のタスクをシームレスに統一する2つの対話型階層変換器を用いる。
提案手法は最先端のHOI法と比較して競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-03T07:25:57Z) - Practical Collaborative Perception: A Framework for Asynchronous and
Multi-Agent 3D Object Detection [9.967263440745432]
咬合は、LiDARベースのオブジェクト検出方法において大きな課題である。
最先端のV2X手法は、中間協調手法を用いて性能帯域幅のトレードオフを解消する。
我々は,従来の方法よりも帯域幅と性能のトレードオフを向上する,シンプルで効果的な協調手法を考案した。
論文 参考訳（メタデータ） (2023-07-04T03:49:42Z) - Exposing and Addressing Cross-Task Inconsistency in Unified
Vision-Language Models [80.23791222509644]
一貫性のないAIモデルは、人間のユーザーによって不安定で信頼できないと見なされている。
最先端のビジョン言語モデルは、タスク間の驚くほど高い一貫性のない振る舞いに悩まされている。
本稿では,大規模で自動生成されるクロスタスクコントラスト集合上で計算されたランク相関に基づく補助訓練目標を提案する。
論文 参考訳（メタデータ） (2023-03-28T16:57:12Z) - Robust Collaborative 3D Object Detection in Presence of Pose Errors [31.039703988342243]
協調的な3Dオブジェクト検出は、複数のエージェント間の情報交換を利用して精度を高める。
実際には、不完全局所化によるポーズ推定誤差は、空間的メッセージの不整合を引き起こす。
未知のポーズエラーに対して堅牢な新しいハイブリッドコラボレーションフレームワークであるCoAlignを提案する。
論文 参考訳（メタデータ） (2022-11-14T09:11:14Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳（メタデータ） (2022-07-14T17:46:37Z)
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。