論文の概要: S2S-Net: Addressing the Domain Gap of Heterogeneous Sensor Systems in LiDAR-Based Collective Perception

• arxiv url: http://arxiv.org/abs/2504.17399v1
• Date: Thu, 24 Apr 2025 09:38:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.315603
• Title: S2S-Net: Addressing the Domain Gap of Heterogeneous Sensor Systems in LiDAR-Based Collective Perception
• Title（参考訳）: S2S-Net:LiDARに基づく集団知覚における不均一センサシステムの領域ギャップに対処する
• Authors: Sven Teufel, Jörg Gamerdinger, Oliver Bringmann,
• Abstract要約: この研究は、車両と車両(V2V)の集団認識におけるSensor2Sensorドメインギャップに最初に取り組むものである。 次に、SCOPEデータセット上のS2S-NetのSensor2Sensorドメイン適応能力を詳細に分析する。
• 参考スコア（独自算出の注目度）: 0.6242215470795112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collective Perception (CP) has emerged as a promising approach to overcome the limitations of individual perception in the context of autonomous driving. Various approaches have been proposed to realize collective perception; however, the Sensor2Sensor domain gap that arises from the utilization of different sensor systems in Connected and Automated Vehicles (CAVs) remains mostly unaddressed. This is primarily due to the paucity of datasets containing heterogeneous sensor setups among the CAVs. The recently released SCOPE datasets address this issue by providing data from three different LiDAR sensors for each CAV. This study is the first to tackle the Sensor2Sensor domain gap in vehicle to vehicle (V2V) collective perception. First, we present our sensor-domain robust architecture S2S-Net. Then an in-depth analysis of the Sensor2Sensor domain adaptation capabilities of S2S-Net on the SCOPE dataset is conducted. S2S-Net demonstrates the capability to maintain very high performance in unseen sensor domains and achieved state-of-the-art results on the SCOPE dataset.
• Abstract（参考訳）: 集団知覚(CP)は、自律運転の文脈において個人知覚の限界を克服するための有望なアプローチとして現れてきた。 集団認識を実現するために様々なアプローチが提案されているが、コネクテッド・アンド・オートマチック・ビークル(CAV)における様々なセンサーシステムの利用から生じるSensor2Sensorドメインギャップは、ほとんど未適応のままである。 これは主に、CAV間の不均一なセンサー設定を含むデータセットの冗長性に起因する。 最近リリースされたSCOPEデータセットは、各CAVに3つの異なるLiDARセンサーからのデータを提供することで、この問題に対処している。 この研究は、車両と車両(V2V)の集団認識におけるSensor2Sensorドメインギャップに最初に取り組むものである。 まず、センサドメインのロバストアーキテクチャS2S-Netについて述べる。 次に、SCOPEデータセット上のS2S-NetのSensor2Sensor領域適応能力を詳細に分析する。 S2S-Netは、目に見えないセンサー領域で非常に高いパフォーマンスを維持する能力を示し、SCOPEデータセットで最先端の結果を達成した。

関連論文リスト

• MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
  我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。 そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-18T13:32:59Z)
• Analysis and Optimization of Seismic Monitoring Networks with Bayesian Optimal Experiment Design [0.0]
  ベイズ最適実験設計(OED)は、不確実性を最適に低減できるデータ、センサーの構成、実験を特定することを目指している。 情報理論は、最適化問題として実験やセンサ配置の選択を定式化し、OEDを導出する。 本研究では,ベイジアンOEDをセンサネットワークの地震イベント検出能力の最適化に用いるために必要なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-09-27T04:45:27Z)
• Data-Induced Interactions of Sparse Sensors [3.050919759387984]
  トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。 これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
  論文  参考訳（メタデータ） (2023-07-21T18:13:37Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• On the Role of Sensor Fusion for Object Detection in Future Vehicular Networks [25.838878314196375]
  異なるセンサの組み合わせが車両の移動・運転環境の検出にどのように影響するかを評価します。 最終的な目標は、チャネルに分散するデータの量を最小限に抑える最適な設定を特定することです。
  論文  参考訳（メタデータ） (2021-04-23T18:58:37Z)
• Perception Entropy: A Metric for Multiple Sensors Configuration Evaluation and Design [17.979248163548288]
  良く設計されたセンサ構成は、知覚システムの性能上界を大幅に改善する。 ベイズ理論における条件エントロピーに基づく新しい手法を提案し,カメラとLiDARの両方を含むセンサ構成を評価する。 我々の知る限りでは、これは自動運転車のマルチセンサー構成問題に対処する最初の方法である。
  論文  参考訳（メタデータ） (2021-04-14T03:52:57Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• LiDAR-based Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
  LiDARベースのパノプティカルセグメンテーションは、オブジェクトとシーンを統一的に解析することを目的としている。 本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。 提案するDS-Netは,現在の最先端手法よりも優れた精度を実現する。
  論文  参考訳（メタデータ） (2020-11-24T08:44:46Z)
• Ant Colony Inspired Machine Learning Algorithm for Identifying and Emulating Virtual Sensors [0.0]
  他のセンサーに基づいて特定のセンサーの出力をエミュレートすることが可能である。 読み出しをエミュレートできるセンサーのサブセットを特定するために、センサーはクラスタにグループ化されなければならない。 本稿では,このようなシステムにおける仮想センサを実現するために,エンドツーエンドのアルゴリズムソリューションを提案する。
  論文  参考訳（メタデータ） (2020-11-02T09:06:14Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。