論文の概要: Systematic Literature Review on Vehicular Collaborative Perception -- A Computer Vision Perspective
- arxiv url: http://arxiv.org/abs/2504.04631v1
- Date: Sun, 06 Apr 2025 21:56:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-08 14:11:19.449017
- Title: Systematic Literature Review on Vehicular Collaborative Perception -- A Computer Vision Perspective
- Title（参考訳）: 心的協調知覚に関する体系的文献レビュー--コンピュータビジョンの視点から
- Authors: Lei Wan, Jianxin Zhao, Andreas Wiedholz, Manuel Bied, Mateus Martinez de Lucena, Abhishek Dinkar Jagtap, Andreas Festag, Antônio Augusto Fröhlich, Hannan Ejaz Keen, Alexey Vinel,
- Abstract要約: コラボレーティブ・パーセプション(CP)は、これらの問題を緩和するための有望な解決策として登場した。
この研究は、PRISMA 2020ガイドラインに従い、106のピアレビュー記事を含む。
- 参考スコア（独自算出の注目度）: 2.7251914328668314
- License:
- Abstract: The effectiveness of autonomous vehicles relies on reliable perception capabilities. Despite significant advancements in artificial intelligence and sensor fusion technologies, current single-vehicle perception systems continue to encounter limitations, notably visual occlusions and limited long-range detection capabilities. Collaborative Perception (CP), enabled by Vehicle-to-Vehicle (V2V) and Vehicle-to-Infrastructure (V2I) communication, has emerged as a promising solution to mitigate these issues and enhance the reliability of autonomous systems. Beyond advancements in communication, the computer vision community is increasingly focusing on improving vehicular perception through collaborative approaches. However, a systematic literature review that thoroughly examines existing work and reduces subjective bias is still lacking. Such a systematic approach helps identify research gaps, recognize common trends across studies, and inform future research directions. In response, this study follows the PRISMA 2020 guidelines and includes 106 peer-reviewed articles. These publications are analyzed based on modalities, collaboration schemes, and key perception tasks. Through a comparative analysis, this review illustrates how different methods address practical issues such as pose errors, temporal latency, communication constraints, domain shifts, heterogeneity, and adversarial attacks. Furthermore, it critically examines evaluation methodologies, highlighting a misalignment between current metrics and CP's fundamental objectives. By delving into all relevant topics in-depth, this review offers valuable insights into challenges, opportunities, and risks, serving as a reference for advancing research in vehicular collaborative perception.
- Abstract（参考訳）: 自動運転車の有効性は、信頼性の高い知覚能力に依存している。
人工知能とセンサー融合技術の進歩にもかかわらず、現在の単一車両認識システムは、特に視覚的閉塞や長距離検出能力の限界に遭遇し続けている。
自動車間(V2V)と車両間(V2I)通信によって実現された協調知覚(CP)は、これらの問題を緩和し、自律システムの信頼性を高めるための有望な解決策として登場した。
コミュニケーションの進歩以外にも、コンピュータビジョンコミュニティは、協調的なアプローチを通じて車体知覚を改善することに注力している。
しかし、既存の研究を徹底的に検討し、主観的偏見を減らす体系的な文献レビューはいまだに欠落している。
このような体系的なアプローチは、研究ギャップを識別し、研究全体にわたる共通の傾向を認識し、将来の研究方向性を通知するのに役立つ。
これに対し,本研究はPRISMA 2020ガイドラインに従い,ピアレビュー記事106件を含む。
これらの出版物は、モダリティ、コラボレーションスキーム、および重要な知覚タスクに基づいて分析される。
比較分析を通じて、異なる手法が、ポーズエラー、時間遅延、通信制約、ドメインシフト、不均一性、敵攻撃などの現実的な問題にどのように対処するかを説明する。
さらに、評価手法を批判的に検討し、現在の測定基準とCPの基本的目的との相違を強調した。
このレビューは、すべての関連するトピックを深く掘り下げることで、課題、機会、リスクに関する貴重な洞察を提供する。
関連論文リスト
- A Review Paper of the Effects of Distinct Modalities and ML Techniques to Distracted Driving Detection [3.6248657646376707]
引き離された運転は、深刻な人的・経済的影響で重要な世界的課題である。
この体系的なレビューは、機械学習(ML)と深層学習(DL)技術を多種多様なデータモダリティに適用した包括的分析を提供することによって、重要なギャップに対処する。
論文 参考訳（メタデータ） (2025-01-20T21:35:34Z) - A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました
近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。
本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-09-24T03:06:25Z) - Fairness and Bias Mitigation in Computer Vision: A Survey [61.01658257223365]
コンピュータビジョンシステムは、高精細な現実世界のアプリケーションにますますデプロイされている。
歴史的または人為的なデータにおいて差別的な傾向を伝播または増幅しないことを確実にする必要がある。
本稿では,コンピュータビジョンの文脈における現在進行中の傾向と成功をまとめた,公平性に関する総合的な調査を行う。
論文 参考訳（メタデータ） (2024-08-05T13:44:22Z) - Advancing Explainable Autonomous Vehicle Systems: A Comprehensive Review and Research Roadmap [4.2330023661329355]
本研究は、説明生成とプレゼンテーションに関連する複雑さについて論じるものである。
私たちのロードマップは、責任ある研究とイノベーションの原則によって支えられています。
これらの研究の方向性を探ることで、説明可能なAVの開発と展開の指針となる。
論文 参考訳（メタデータ） (2024-03-19T11:43:41Z) - 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) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - 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) - Infrastructure-Based Object Detection and Tracking for Cooperative
Driving Automation: A Survey [16.20885642028316]
インフラベースの物体検出・追跡システムは、連結車両の知覚能力を高めることができる。
現在の機会、オープンな問題、今後のトレンドを指摘するために行われた議論。
論文 参考訳（メタデータ） (2022-01-28T00:55:24Z) - Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。
制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。
我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
論文 参考訳（メタデータ） (2021-08-12T00:30:39Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z)
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。