論文の概要: DiffCP: Ultra-Low Bit Collaborative Perception via Diffusion Model
- arxiv url: http://arxiv.org/abs/2409.19592v1
- Date: Sun, 29 Sep 2024 07:19:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-01 22:05:40.440811
- Title: DiffCP: Ultra-Low Bit Collaborative Perception via Diffusion Model
- Title(参考訳): DiffCP:拡散モデルによる超低ビット協調知覚
- Authors: Ruiqing Mao, Haotian Wu, Yukuan Jia, Zhaojun Nan, Yuxuan Sun, Sheng Zhou, Deniz Gündüz, Zhisheng Niu,
- Abstract要約: コラボレーティブ・インテリジェンス(CP)は、スタンドアローン・インテリジェンスの本質的な限界に対する有望な解決策として浮上している。
DiffCPは、特殊な拡散モデルを用いて協調者の知覚情報を効率的に圧縮する新しいCPパラダイムである。
DiffCPは,最先端のアルゴリズムと同じ性能を維持しつつ,通信コストを14.5倍に削減できることを示す。
- 参考スコア(独自算出の注目度): 44.23276350463173
- License:
- Abstract: Collaborative perception (CP) is emerging as a promising solution to the inherent limitations of stand-alone intelligence. However, current wireless communication systems are unable to support feature-level and raw-level collaborative algorithms due to their enormous bandwidth demands. In this paper, we propose DiffCP, a novel CP paradigm that utilizes a specialized diffusion model to efficiently compress the sensing information of collaborators. By incorporating both geometric and semantic conditions into the generative model, DiffCP enables feature-level collaboration with an ultra-low communication cost, advancing the practical implementation of CP systems. This paradigm can be seamlessly integrated into existing CP algorithms to enhance a wide range of downstream tasks. Through extensive experimentation, we investigate the trade-offs between communication, computation, and performance. Numerical results demonstrate that DiffCP can significantly reduce communication costs by 14.5-fold while maintaining the same performance as the state-of-the-art algorithm.
- Abstract(参考訳): コラボレーティブ・インテリジェンス(CP)は、スタンドアローン・インテリジェンスの本質的な限界に対する有望な解決策として浮上している。
しかし、現在の無線通信システムは、膨大な帯域幅要求のため、特徴レベルおよび生レベルの協調アルゴリズムをサポートできない。
本稿では, DiffCPを提案する。 DiffCPは, 特殊な拡散モデルを用いて協調者の知覚情報を効率的に圧縮する新しいCPパラダイムである。
幾何条件と意味条件の両方を生成モデルに組み込むことで、DiffCPは超低通信コストで特徴レベルの協調を可能にし、CPシステムの実践的実装を前進させる。
このパラダイムは既存のCPアルゴリズムにシームレスに統合して、幅広い下流タスクを強化することができる。
広範な実験を通じて,コミュニケーション,計算,性能のトレードオフについて検討する。
DiffCPは,最先端のアルゴリズムと同じ性能を維持しつつ,通信コストを14.5倍に削減できることを示す。
関連論文リスト
- Task-Oriented Wireless Communications for Collaborative Perception in Intelligent Unmanned Systems [13.942103196446377]
協調的知覚は、無人システムにおいてより包括的で信頼性の高い環境認識を実現する大きな可能性を示している。
CP タスクの実装は,CP タスクの特性と無線チャネルのダイナミックスにより,依然として重要な課題に直面している。
通信方式とCP手順を協調的に最適化するタスク指向無線通信フレームワークを提案する。
論文 参考訳(メタデータ) (2024-06-05T09:22:19Z) - Improving the Worst-Case Bidirectional Communication Complexity for
Nonconvex Distributed Optimization under Function Similarity [52.138754950594375]
ダウンリンク圧縮のための新しい手法であるMARINA-Pを導入する。
置換圧縮機を用いたMARINA-Pは、作業者数に応じてサーバ間通信の複雑さを向上できることを示す。
本稿では,MARINA-Pとアップリンク圧縮とモーメントステップを組み合わせた手法であるM3を導入する。
論文 参考訳(メタデータ) (2024-02-09T13:58:33Z) - Convergence Visualizer of Decentralized Federated Distillation with
Reduced Communication Costs [3.2098126952615442]
フェデレートラーニング(FL)は、データ共有を必要とせずに協調学習を実現し、プライバシーの漏洩を防ぐ。
本研究では,CMFD の未解決課題として,(1) 通信コストの削減と(2) モデル収束の可視化の2つを解決した。
論文 参考訳(メタデータ) (2023-12-19T07:23:49Z) - DCP-Net: A Distributed Collaborative Perception Network for Remote
Sensing Semantic Segmentation [12.745202593789152]
本稿では,分散協調認識ネットワークであるDCP-Netを革新的に紹介する。
DCP-Netは、メンバーが他のプラットフォームの機能を統合することで知覚性能を向上させるのに役立つ。
その結果、DCP-Netは既存の手法を網羅的に上回っていることがわかった。
論文 参考訳(メタデータ) (2023-09-05T13:36:40Z) - Communication-Efficient Decentralized Federated Learning via One-Bit
Compressive Sensing [52.402550431781805]
分散連合学習(DFL)は、様々なアプリケーションにまたがる実用性によって人気を博している。
集中型バージョンと比較して、DFLの多数のノード間で共有モデルをトレーニングするのはより難しい。
我々は,iADM (iexact alternating direction method) の枠組みに基づく新しいアルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-08-31T12:22:40Z) - 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) - Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
独立サブネットワークトレーニング(IST)の理論的考察
ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。
圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
論文 参考訳(メタデータ) (2023-06-28T18:14:22Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳(メタデータ) (2022-07-03T06:57:07Z) - Medium Access Control protocol for Collaborative Spectrum Learning in
Wireless Networks [15.527404283712835]
本稿では,アドホックネットワークにおけるスペクトル協調のための完全分散アルゴリズムを提案する。
このアルゴリズムに基づいて,アドホックネットワークにおけるアルゴリズムの分散実装を可能にするメディアアクセス制御プロトコルを提供する。
論文 参考訳(メタデータ) (2021-10-25T10:11:57Z) - PowerGossip: Practical Low-Rank Communication Compression in
Decentralized Deep Learning [62.440827696638664]
本稿では,近隣労働者間のモデル差を直接圧縮する簡単なアルゴリズムを提案する。
中央集権的なディープラーニングのためにPowerSGDにインスパイアされたこのアルゴリズムは、パワーステップを使用して、1ビットあたりの転送情報を最大化する。
論文 参考訳(メタデータ) (2020-08-04T09:14:52Z)
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。