論文の概要: WhisperNet: A Scalable Solution for Bandwidth-Efficient Collaboration
- arxiv url: http://arxiv.org/abs/2603.01708v1
- Date: Mon, 02 Mar 2026 10:33:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.81912
- Title: WhisperNet: A Scalable Solution for Bandwidth-Efficient Collaboration
- Title（参考訳）: WhisperNet: 帯域効率の高いコラボレーションのためのスケーラブルなソリューション
- Authors: Gong Chen, Chaokun Zhang, Xinyan Zhao,
- Abstract要約: 自動運転には協調的認識が不可欠だが、通信予算の厳しい制約が残っている。
textitWhisperNetは,エージェント間のグローバルなコーディネーションのための,新しいレシーバ中心のパラダイムを提案する,帯域幅対応フレームワークである。
我々は、WhisperNetが最先端の性能を実現し、通信コストのわずか0.5%でOPV2VのAP@0.7を2.4%改善したことを示す。
- 参考スコア（独自算出の注目度）: 7.294662317293144
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative perception is vital for autonomous driving yet remains constrained by tight communication budgets. Earlier work reduced bandwidth by compressing full feature maps with fixed-rate encoders, which adapts poorly to a changing environment, and it further evolved into spatial selection methods that improve efficiency by focusing on salient regions, but this object-centric approach often sacrifices global context, weakening holistic scene understanding. To overcome these limitations, we introduce \textit{WhisperNet}, a bandwidth-aware framework that proposes a novel, receiver-centric paradigm for global coordination across agents. Senders generate lightweight saliency metadata, while the receiver formulates a global request plan that dynamically budgets feature contributions across agents and features, retrieving only the most informative features. A collaborative feature routing module then aligns related messages before fusion to ensure structural consistency. Extensive experiments show that WhisperNet achieves state-of-the-art performance, improving AP@0.7 on OPV2V by 2.4\% with only 0.5\% of the communication cost. As a plug-and-play component, it boosts strong baselines with merely 5\% of full bandwidth while maintaining robustness under localization noise. These results demonstrate that globally-coordinated allocation across \textit{what} and \textit{where} to share is the key to achieving efficient collaborative perception.
- Abstract（参考訳）: 自動運転には協調的認識が不可欠だが、通信予算の厳しい制約が残っている。
初期の作業は、変化環境に不適応な固定レートエンコーダで全特徴マップを圧縮することで帯域幅を削減し、さらに空間選択法へと発展し、健全な領域に焦点を合わせることで効率を向上させたが、このオブジェクト中心のアプローチは、グローバルなコンテキストを犠牲にして、全体的シーン理解を弱めることが多い。
これらの制約を克服するために,エージェント間のグローバルな協調のための新しい受信中心のパラダイムを提案する,帯域幅対応フレームワークである‘textit{WhisperNet} を導入する。
販売者は軽量な給与メタデータを生成し、受信者はグローバルなリクエストプランを定式化し、エージェントや機能にまたがって動的に予算が提供され、最も有益な機能のみを取得する。
協調的なフィーチャールーティングモジュールは、統合前に関連するメッセージを整列して、構造的な一貫性を保証する。
大規模な実験により、WhisperNetは最先端のパフォーマンスを達成し、通信コストの0.5倍の差でOPV2VのAP@0.7を2.4倍改善した。
プラグアンドプレイコンポーネントとして、ローカライゼーションノイズ下で堅牢性を維持しながら、完全な帯域幅のわずか5倍の強いベースラインを向上する。
これらの結果から,共有する \textit{what} と \textit{where} にまたがるグローバルなコーディネートアロケーションが,効率的な協調認識を実現するための鍵であることが示唆された。
関連論文リスト
- COOPERTRIM: Adaptive Data Selection for Uncertainty-Aware Cooperative Perception [4.26607743838444]
協調認識により、自律エージェントは無線通信を介して符号化された表現を共有でき、互いの生活状況に対する認識を高めることができる。
最近の研究では、性能を同等に保ちながら、フレーム毎に機能のサブセットだけを共有する選択戦略について検討している。
静的な情報の繰り返しや冗長な伝達を回避しつつ、環境のダイナミクスを捉える特徴を特定するために、時間的連続性を利用してプロアクティブなアプローチをとる。
我々はこの直感を適応的な選択フレームワークであるCOOPERTRIMにインスタンス化し、特徴の関連性を測定するための新しい共形時間的不確実性指標と、共有量を動的に決定するデータ駆動機構を導入する。
論文 参考訳（メタデータ） (2026-02-07T21:18:46Z) - CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge [50.42067935605982]
ローカルメモリの効率とグローバル通信の削減を両立させる新しい圧縮・結合型学習フレームワークを提案する。
CoCo-Fedは、メモリと通信効率の両方において最先端のベースラインを著しく上回り、非IID設定下では堅牢な収束を維持している。
論文 参考訳（メタデータ） (2026-01-02T03:39:50Z) - UAGLNet: Uncertainty-Aggregated Global-Local Fusion Network with Cooperative CNN-Transformer for Building Extraction [83.48950950780554]
リモートセンシング画像からの抽出は、複雑な構造変化のために難しい課題である。
既存の方法は、セグメンテーションモデルにおけるマルチスケール特徴をキャプチャするために、畳み込みブロックまたは自己アテンションブロックを使用する。
高品質なグローバルローカルなビジュアルセマンティクスを活用するために,不確実性集約型グローバルローカルフュージョンネットワーク(UAGLNet)を提案する。
論文 参考訳（メタデータ） (2025-12-15T02:59:16Z) - JigsawComm: Joint Semantic Feature Encoding and Transmission for Communication-Efficient Cooperative Perception [7.867653563872962]
JigsawCommはエンドツーエンドのトレーニング、セマンティックアウェア、通信効率の良いCPフレームワークである。
正規化エンコーダを使用して、意味的関連性とスパースな特徴を抽出する。
軽量のFeature Utility Estimatorを使用して、各エージェントの機能を最終認識タスクへのコントリビューションを予測する。
論文 参考訳（メタデータ） (2025-11-21T23:36:24Z) - Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。
本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。
我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
論文 参考訳（メタデータ） (2025-11-14T03:05:22Z) - Referring Remote Sensing Image Segmentation with Cross-view Semantics Interaction Network [65.01521002836611]
本稿では,これらの制約を解決するために,並列で統一されたセグメンテーション・フレームワークであるクロスビューセマンティック・インタラクション・ネットワーク(CSINet)を提案する。
関心の対象を観察する際の人間の行動によって動機づけられたネットワークは、遠隔および近距離からの視覚的手がかりを編成し、相乗的予測を行う。
すべてのエンコーディングステージでは、Cross-View Window-attention Module(CVWin)を使用して、グローバルおよびローカルセマンティクスをクローズビューおよびリモートビューブランチ機能に補完する。
論文 参考訳（メタデータ） (2025-08-02T11:57:56Z) - CoCMT: Communication-Efficient Cross-Modal Transformer for Collaborative Perception [14.619784179608361]
マルチエージェント協調知覚は、ロボット知覚タスクを協調的に行うために、知覚情報を共有することによって、各エージェントの能力を高める。
既存の代表的な協調認識システムは、大量の非臨界情報を含む中間特徴写像を伝達する。
本稿では,オブジェクトクエリをベースとした協調フレームワークであるCoCMTを紹介し,重要な特徴を選択的に抽出し伝達することによって,通信帯域幅を最大化する。
論文 参考訳（メタデータ） (2025-03-13T06:41:25Z) - V2X-PC: Vehicle-to-everything Collaborative Perception via Point Cluster [58.79477191603844]
我々は,低レベル構造情報と高レベル意味情報を組み合わせて,シーンを疎結合に表現する新しいメッセージユニット,すなわちポイントクラスタを導入する。
このフレームワークには、オブジェクトの機能を維持し、帯域幅を管理するためのポイントクラスタパッキング(PCP)モジュールが含まれている。
2つの広く認識されている協調認識ベンチマークの実験は、従来の最先端の手法と比較して、我々の手法の優れた性能を示している。
論文 参考訳（メタデータ） (2024-03-25T11:24:02Z) - Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。
我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
論文 参考訳（メタデータ） (2021-12-03T19:23:48Z) - Faster Non-Convex Federated Learning via Global and Local Momentum [57.52663209739171]
textttFedGLOMOは最初の(一階)FLtexttFedGLOMOアルゴリズムです。
クライアントとサーバ間の通信においても,我々のアルゴリズムは確実に最適である。
論文 参考訳（メタデータ） (2020-12-07T21:05:31Z)
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。