論文の概要: Faster-HEAL: An Efficient and Privacy-Preserving Collaborative Perception Framework for Heterogeneous Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2603.07314v1
• Date: Sat, 07 Mar 2026 19:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.286351
• Title: Faster-HEAL: An Efficient and Privacy-Preserving Collaborative Perception Framework for Heterogeneous Autonomous Vehicles
• Title（参考訳）: Faster-HEAL: 異種自動走行車のための効率的かつプライバシー保護型協調認識フレームワーク
• Authors: Armin Maleki, Hayder Radha,
• Abstract要約: 協調的認識は、自動運転車の状況認識を改善するための有望なパラダイムである。 我々は、低ランクな視覚的プロンプトを微調整し、不均一な特徴を統一的な特徴空間と整合させるフレームワークであるFaster-HEALを提案する。 このアプローチは、トレーニング可能なパラメータを94%削減し、大きなモデルを再トレーニングすることなく、新しいエージェントへの効率的な適応を可能にする。
• 参考スコア（独自算出の注目度）: 4.904389322133549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative perception (CP) is a promising paradigm for improving situational awareness in autonomous vehicles by overcoming the limitations of single-agent perception. However, most existing approaches assume homogeneous agents, which restricts their applicability in real-world scenarios where vehicles use diverse sensors and perception models. This heterogeneity introduces a feature domain gap that degrades detection performance. Prior works address this issue by retraining entire models/major components, or using feature interpreters for each new agent type, which is computationally expensive, compromises privacy, and may reduce single-agent accuracy. We propose Faster-HEAL, a lightweight and privacy-preserving CP framework that fine-tunes a low-rank visual prompt to align heterogeneous features with a unified feature space while leveraging pyramid fusion for robust feature aggregation. This approach reduces the trainable parameters by 94%, enabling efficient adaptation to new agents without retraining large models. Experiments on the OPV2V-H dataset show that Faster-HEAL improves detection performance by 2% over state-of-the-art methods with significantly lower computational overhead, offering a practical solution for scalable heterogeneous CP.
• Abstract（参考訳）: 協調認識(CP)は、単一エージェント認識の限界を克服し、自動運転車の状況認識を改善するための有望なパラダイムである。 しかし、既存のほとんどのアプローチでは、車両が多様なセンサーや知覚モデルを使用する現実のシナリオにおける適用性を制限する均質なエージェントを前提としている。 この不均一性は、検出性能を低下させる機能ドメインギャップを導入する。 以前の作業では、モデル/メジャーコンポーネント全体をトレーニングしたり、新しいエージェントタイプごとに機能インタプリタを使用したりすることでこの問題に対処していた。 我々は、低ランクな視覚的プロンプトを微調整し、不均一な特徴空間を統一した特徴空間と整合させ、ピラミッド融合を利用してロバストな特徴アグリゲーションを実現する、軽量でプライバシ保護のCPフレームワークであるFaster-HEALを提案する。 このアプローチは、トレーニング可能なパラメータを94%削減し、大きなモデルを再トレーニングすることなく、新しいエージェントへの効率的な適応を可能にする。 OPV2V-Hデータセットの実験により、高速HEALは計算オーバーヘッドが大幅に低い最先端の手法よりも2%向上し、スケーラブルな異種CPの実用的なソリューションを提供することが示された。

関連論文リスト

• HeatV2X: Scalable Heterogeneous Collaborative Perception via Efficient Alignment and Interaction [7.171380055232685]
  V2X(Van-to-Everything)コラボレーティブ・インセプションは、トランスミッションを通じて、単一車両の限界を超えて知覚を拡大する。 既存のフレームワークは、(1)参加エージェントは本質的にマルチモーダルで異種であり、(2)新しいエージェントに対応するためには、協調フレームワークはスケーラブルでなければならない。 スケーラブルな協調フレームワークであるHeatV2Xを提案する。
  論文  参考訳（メタデータ） (2025-11-13T11:33:22Z)
• Pragmatic Heterogeneous Collaborative Perception via Generative Communication Mechanism [14.40993352402385]
  異種マルチエージェントシステム間のシームレスな認識を容易にする新しいジェネレーティブコミュニケーション機構(GenComm)を提案する。 OPV2V-H、DAIR-V2X、V2X-Realデータセットで実施された実験は、GenCommが既存の最先端手法より優れていることを示している。
  論文  参考訳（メタデータ） (2025-10-22T14:15:20Z)
• Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection [108.5042835056188]
  この作業では,2つの基本的な問題に対処するため,Agent4FaceForgeryを導入している。 人間の偽造の多様な意図と反復的なプロセスを捉える方法。 ソーシャルメディアの偽造に付随する複雑な、しばしば敵対的な、テキストと画像のインタラクションをモデル化する方法。
  論文  参考訳（メタデータ） (2025-09-16T01:05:01Z)
• ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding [71.654781631463]
  ReAgent-Vは、新しいエージェントビデオ理解フレームワークである。 推論中に効率の良いフレーム選択とリアルタイムの報酬生成を統合する。 12のデータセットに対する大規模な実験は、一般化と推論において大きな成果を上げている。
  論文  参考訳（メタデータ） (2025-06-02T04:23:21Z)
• STAMP: Scalable Task And Model-agnostic Collaborative Perception [24.890993164334766]
  STAMPは、異種エージェントのためのタスクおよびモデルに依存しない協調認識パイプラインである。 計算オーバーヘッドを最小限に抑え、スケーラビリティを高め、モデルのセキュリティを維持する。 第一種フレームワークとしてSTAMPは,スケーラブルでセキュアなモビリティシステムの研究を,レベル5の自律性に向けて進めることを目指している。
  論文  参考訳（メタデータ） (2025-01-24T16:27:28Z)
• An Extensible Framework for Open Heterogeneous Collaborative Perception [58.70875361688463]
  協調的な知覚は、単一エージェントの知覚の限界を緩和することを目的としている。 本稿では,新しい異種エージェントを協調認識に適応させる方法を提案する。 本稿では,新しい協調認識フレームワークであるHeterogeneous ALliance(HEAL)を提案する。
  論文  参考訳（メタデータ） (2024-01-25T05:55:03Z)
• An automatic differentiation system for the age of differential privacy [65.35244647521989]
  Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである 我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
  論文  参考訳（メタデータ） (2021-09-22T08:07:42Z)

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。