論文の概要: WaveComm: Lightweight Communication for Collaborative Perception via Wavelet Feature Distillation

• arxiv url: http://arxiv.org/abs/2603.13365v1
• Date: Mon, 09 Mar 2026 12:01:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:57.791175
• Title: WaveComm: Lightweight Communication for Collaborative Perception via Wavelet Feature Distillation
• Title（参考訳）: WaveComm:ウェーブレットの特徴蒸留による協調知覚のための軽量通信
• Authors: Erdemt Bao, Jin Yang,
• Abstract要約: WaveCommはウェーブレットベースの通信フレームワークで、低帯域幅のシナリオにおけるセンシング性能を保ちながら、送信負荷を大幅に削減します。 WaveCommの中核となる革新は、離散ウェーブレット変換(DWT)を用いて特徴マップを分解することにある。 OPV2VとDAIR-V2XデータセットによるLiDARベースおよびカメラベースの知覚タスクの実験により、WaveCommは、通信容量が元の86.3%と87.0%に減少しても、最先端のパフォーマンスを維持していることが示された。
• 参考スコア（独自算出の注目度）: 7.524867292774759
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In multi-agent collaborative sensing systems, substantial communication overhead from information exchange significantly limits scalability and real-time performance, especially in bandwidth-constrained environments. This often results in degraded performance and reduced reliability. To address this challenge, we propose WaveComm, a wavelet-based communication framework that drastically reduces transmission loads while preserving sensing performance in low-bandwidth scenarios. The core innovation of WaveComm lies in decomposing feature maps using Discrete Wavelet Transform (DWT), transmitting only compact low-frequency components to minimize communication overhead. High-frequency details are omitted, and their effects are reconstructed at the receiver side using a lightweight generator. A Multi-Scale Distillation (MSD) Loss is employed to optimize the reconstruction quality across pixel, structural, semantic, and distributional levels. Experiments on the OPV2V and DAIR-V2X datasets for LiDAR-based and camera-based perception tasks demonstrate that WaveComm maintains state-of-the-art performance even when the communication volume is reduced to 86.3% and 87.0% of the original, respectively. Compared to existing approaches, WaveComm achieves competitive improvements in both communication efficiency and perception accuracy. Ablation studies further validate the effectiveness of its key components.
• Abstract（参考訳）: 多エージェント協調センシングシステムでは、情報交換による通信オーバーヘッドが、特に帯域幅に制約のある環境では、スケーラビリティとリアルタイムのパフォーマンスを著しく制限する。 これはしばしば性能が低下し、信頼性が低下する。 この課題に対処するために、ウェーブレットベースの通信フレームワークであるWaveCommを提案する。 WaveCommの中核となる革新は、DWT(Disdisrete Wavelet Transform)を使って特徴マップを分解することにある。 高周波の詳細は省略され、その効果は軽量発電機を用いて受信側で再構成される。 マルチスケール蒸留(MSD)ロスは, 画素, 構造, 意味, 分布レベルの再構成品質を最適化するために用いられる。 OPV2VとDAIR-V2XデータセットによるLiDARベースおよびカメラベースの知覚タスクの実験により、WaveCommは、通信容量が元の86.3%と87.0%に減少しても、最先端のパフォーマンスを維持していることが示された。 既存のアプローチと比較して、WaveCommは通信効率と知覚精度の両面で競争力の向上を実現している。 アブレーション研究は、その重要な構成要素の有効性をさらに検証する。

関連論文リスト

• Send Less, Perceive More: Masked Quantized Point Cloud Communication for Loss-Tolerant Collaborative Perception [38.10779821259225]
  帯域幅を大幅に削減する量子化ポイントクラウド通信フレームワークであるQPoint2Commを紹介する。 QPoint2Commは共有コードブックを使用して量子化されたポイントクラウドインデックスを直接通信する。 我々は、乱数パケット損失をシミュレートするマスク付きトレーニング戦略を採用し、重い送信障害であっても、モデルが強力な性能を維持することができる。
  論文  参考訳（メタデータ） (2026-02-25T08:00:48Z)
• MFC-RFNet: A Multi-scale Guided Rectified Flow Network for Radar Sequence Prediction [7.015114232190396]
  レーダエコーシークエンスからの正確な高分解能降水は、災害軽減と経済計画に不可欠である。 鍵となる課題は、複雑なマルチスケール進化のモデル化、変位に起因するフレーム間特徴の不整合、長距離コンテキストの効率的なキャプチャである。 本稿では,MFRF-Net(Multiscale Feature Communication Rectified Flow Network)を提案する。
  論文  参考訳（メタデータ） (2026-01-07T06:24:26Z)
• Large Speech Model Enabled Semantic Communication [58.027223937172955]
  大規模音声モデルにより意味コミュニケーション(LargeSC)が可能となった。 我々は、大きなモデルに埋め込まれた豊富な意味的知識を活用し、損失のあるチャネル上で適応的な伝達を可能にする。 システムは、550bpsから2.06kbpsまでの帯域幅をサポートし、パケット損失率の高い音声品質において、従来のベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-12-04T11:58:08Z)
• High-Energy Concentration for Federated Learning in Frequency Domain [62.90597472173119]
  本稿では,高エネルギー濃度FL法(FedFD)を提案する。 FedFDは、離散コサイン変換が主に高エネルギー濃度と呼ばれる特定の領域にエネルギーを分配するという発見に触発されている。 5つの画像および音声データセットにおいて、FedFDは通信コストを低減しつつ、最先端の手法よりも優れた性能を達成する。
  論文  参考訳（メタデータ） (2025-09-16T03:49:26Z)
• Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
  フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。 既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。 本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
  論文  参考訳（メタデータ） (2025-01-20T04:26:21Z)
• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Rethinking the Tradeoff in Integrated Sensing and Communication: Recognition Accuracy versus Communication Rate [21.149708253108788]
  ISAC(Integrated Sensistance and Communication)は、バンド利用効率を向上させるための有望な技術である。 センシング性能と通信性能の間にはトレードオフがある。 本稿では、認識精度と通信データレートを同時に最大化する多目的最適化問題を定式化し、解決する。
  論文  参考訳（メタデータ） (2021-07-20T17:00:35Z)
• Wavelet Integrated CNNs for Noise-Robust Image Classification [51.18193090255933]
  我々は、離散ウェーブレット変換(DWT)により、最大プール、ストライド畳み込み、平均プールを置き換えることでCNNを強化する。 VGG、ResNets、DenseNetのウェーブレット統合バージョンであるWaveCNetsは、バニラバージョンよりも精度が高く、ノイズ・ロバスト性も向上している。
  論文  参考訳（メタデータ） (2020-05-07T09:10:41Z)

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。