論文の概要: Coop-WD: Cooperative Perception with Weighting and Denoising for Robust V2V Communication

• arxiv url: http://arxiv.org/abs/2505.03528v1
• Date: Tue, 06 May 2025 13:38:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.398902
• Title: Coop-WD: Cooperative Perception with Weighting and Denoising for Robust V2V Communication
• Title（参考訳）: Coop-WD:ロバストV2V通信における重み付き協調認識
• Authors: Chenguang Liu, Jianjun Chen, Yunfei Chen, Yubei He, Zhuangkun Wei, Hongjian Sun, Haiyan Lu, Qi Hao,
• Abstract要約: 本稿では,V2Vチャネル障害にともなう協調知覚を高めるために,協調重み付け・重み付けフレームワークCoop-WDを提案する。 効率的な変種モデルであるCoop-WD-ecoが提案され、デノナイジングを選択的に非活性化して処理オーバーヘッドを低減する。
• 参考スコア（独自算出の注目度）: 23.039742419070805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cooperative perception, leveraging shared information from multiple vehicles via vehicle-to-vehicle (V2V) communication, plays a vital role in autonomous driving to alleviate the limitation of single-vehicle perception. Existing works have explored the effects of V2V communication impairments on perception precision, but they lack generalization to different levels of impairments. In this work, we propose a joint weighting and denoising framework, Coop-WD, to enhance cooperative perception subject to V2V channel impairments. In this framework, the self-supervised contrastive model and the conditional diffusion probabilistic model are adopted hierarchically for vehicle-level and pixel-level feature enhancement. An efficient variant model, Coop-WD-eco, is proposed to selectively deactivate denoising to reduce processing overhead. Rician fading, non-stationarity, and time-varying distortion are considered. Simulation results demonstrate that the proposed Coop-WD outperforms conventional benchmarks in all types of channels. Qualitative analysis with visual examples further proves the superiority of our proposed method. The proposed Coop-WD-eco achieves up to 50% reduction in computational cost under severe distortion while maintaining comparable accuracy as channel conditions improve.
• Abstract（参考訳）: 車両間通信(V2V)を介して複数の車両からの情報を共有する協調認識は、単車知覚の限界を軽減するために自律運転において重要な役割を果たす。 既存の研究は、V2Vコミュニケーション障害が知覚精度に与える影響を探求してきたが、それらは異なるレベルの障害に対する一般化を欠いている。 本研究では,V2Vチャネル障害に対する協調的知覚を高めるために,協調重み付け・重み付けフレームワークであるCoop-WDを提案する。 本枠組みでは,車両レベルと画素レベルの特徴強調のために,自己教師付きコントラストモデルと条件拡散確率モデルを階層的に採用する。 効率的な変種モデルであるCoop-WD-ecoが提案され、デノナイジングを選択的に非活性化して処理オーバーヘッドを低減する。 周期的な色調、非定常性、時間的歪みが考慮される。 シミュレーションの結果,提案したCoop-WDは,全ての種類のチャネルにおいて従来のベンチマークよりも優れていた。 視覚例を用いた定性的解析は,提案手法の優位性をさらに証明する。 提案したCoop-WD-ecoは、チャネル条件の改善に伴い同等の精度を維持しつつ、厳しい歪みの下で計算コストを最大50%削減する。

関連論文リスト

• VRVVC: Variable-Rate NeRF-Based Volumetric Video Compression [59.14355576912495]
  NeRFベースのビデオは、FVV(Photorealistic Free-Viewpoint Video)体験を提供することによって、ビジュアルメディアに革命をもたらした。 大量のデータボリュームは、ストレージと送信に重大な課題をもたらす。 ビデオ圧縮のための新しいエンドツーエンドの可変レートフレームワークであるVRVVCを提案する。
  論文  参考訳（メタデータ） (2024-12-16T01:28:04Z)
• Channel-Aware Throughput Maximization for Cooperative Data Fusion in CAV [17.703608985129026]
  接続型および自律型車両(CAV)は、認識範囲の拡大と知覚範囲の増大により、大きな注目を集めている。 盲点や障害物などの問題に対処するため、CAVは周囲の車両からのデータを集めるために車両間通信を採用している。 本稿では,適応データ圧縮のための自己教師付きオートエンコーダを活用した,CAVデータ融合を容易にするチャネル対応スループット手法を提案する。
  論文  参考訳（メタデータ） (2024-10-06T00:43:46Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• SmartCooper: Vehicular Collaborative Perception with Adaptive Fusion and Judger Mechanism [23.824400533836535]
  通信最適化と判断機構を組み込んだ適応型協調認識フレームワークであるSmartCooperを紹介する。 以上の結果から,非ジュッジャー方式に比べて通信コストが23.10%大幅に削減された。
  論文  参考訳（メタデータ） (2024-02-01T04:15:39Z)
• Self-supervised Adaptive Weighting for Cooperative Perception in V2V Communications [11.772899644895281]
  協調知覚は、単車知覚の欠点に対処するための効果的なアプローチである。 現在の協調核融合モデルは教師付きモデルに依存しており、任意のチャネル障害による動的性能劣化には対処しない。 チャネル歪みの悪影響を軽減するために, 中間核融合のための自己教師付き適応重み付けモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-16T06:21:09Z)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)

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。