論文の概要: CoAnchor: Robust Collaborative Perception under Spatio-Temporal Misalignment via Object-Level Anchors
- arxiv url: http://arxiv.org/abs/2608.21055v1
- Date: Fri, 21 Aug 2026 12:52:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.53731
- Title: CoAnchor: Robust Collaborative Perception under Spatio-Temporal Misalignment via Object-Level Anchors
- Title（参考訳）: CoAnchor: オブジェクトレベルアンカーによる時空間的不一致下でのロバスト協調知覚
- Abstract要約: CoAnchorはスパースオブジェクトレベルの非同期時間アンカーを、ポーズ修正のための共有インターフェースとして構築し、全体の修正プロセスを軽量にしながら、空間的、時間的伝搬、現在の検証を1つの統一ループ内で緊密に接続する。
シミュレーションと実世界の両方のデータセットの実験では、CoAnchorはクリーンな設定の下で競争力を維持し、共同遅延下でのロバスト性は、実用的な精度と効率のトレードオフによって認識される。
- 参考スコア（独自算出の注目度）: 6.610373083372598
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Collaborative perception extends the sensing range of a single vehicle by fusing observations from nearby agents, which improves the robustness of autonomous driving. In realistic deployments, however, the received collaborator messages are often affected by both communication delay and relative-pose noise, which jointly cause stale observations, spatial misalignment, and unstable feature fusion. Existing methods usually address these issues from either the spatial or temporal side, but handling them jointly in a unified and efficient manner remains challenging. In this paper, we propose CoAnchor, an anchor-centric spatio-temporal alignment framework for asynchronous collaborative perception. Instead of directly reasoning on dense BEV features, CoAnchor builds sparse object-level spatio-temporal anchors as a shared interface for pose correction and tightly connects spatial refinement, temporal propagation, and current-time verification within one unified loop, while keeping the overall correction process lightweight. Extensive experiments on both simulated and real-world datasets illustrate that CoAnchor remains competitive under clean settings and improves the robustness under joint delay and pose perturbations with a favorable practical accuracy-efficiency trade-off.
- Abstract（参考訳）: 協調的知覚は、近傍のエージェントからの観察を融合させることで、単一の車両のセンシング範囲を拡張し、自律運転の堅牢性を向上させる。
しかし、現実的な展開では、受信したコラボレータのメッセージは通信遅延と相対的なノイズの両方の影響を受けており、これは静的な観測、空間的不整合、不安定な特徴融合を引き起こす。
既存の手法は通常、空間的あるいは時間的側面からこれらの問題に対処するが、それらを統一的で効率的な方法で共同で扱うことは依然として困難である。
本稿では,非同期協調認識のためのアンカー中心の時空間アライメントフレームワークであるCoAnchorを提案する。
密集したBEV機能を直接推論する代わりに、CoAnchorは、粗いオブジェクトレベルの時空間アンカーを共通インターフェースとして構築する。
シミュレーションと実世界の両方のデータセットに関する大規模な実験は、CoAnchorがクリーンな設定の下で競争力を維持し、関節の遅延による堅牢性を改善し、実用的な精度と効率のトレードオフで摂動を発生させることを示している。
関連論文リスト
- Warp-free Cross-view Geo-localization via Feature-space Consensus Mining [49.843311525678565]
ストリートレベルの画像と衛星画像の間に大きな違いがあるため、クロスビューのジオローカライゼーションは困難である。
本稿では,明示的な幾何学的ワープを完全に回避する,新しい統合ビュー・コンセンサス誘導学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-10T09:02:06Z) - FocalPolicy: Frequency-Optimized Chunking and Locally Anchored Flow Matching for Coherent Visuomotor Policy [75.32174422881958]
FocalPolicyは、周波数局所的なチャンキングとAnchoredフローマッチングを組み合わせたビジュモータポリシーである。
本稿では,近位行動における時間領域のアライメントを監督する,近位複合目標を提案する。
フローマッチング学習において,信号の伝搬一貫性を目標とした局所的アンカーサンプリングを設計する。
論文 参考訳（メタデータ） (2026-05-15T13:27:55Z) - LoCAtion: Long-time Collaborative Attention Framework for High Dynamic Range Video Reconstruction [17.88716377235245]
本稿では,脆弱な空間ワープタスクからHDR映像を生成するフレームワークであるLoCAtionを,頑健でアライメントのない協調的特徴ルーティング問題に再構成する。
Locationは最先端の視覚的品質と時間的安定性を実現し、精度と計算効率の非常に競争力のあるバランスを提供する。
論文 参考訳（メタデータ） (2026-03-15T13:34:46Z) - Temporal-Spatial Decouple before Act: Disentangled Representation Learning for Multimodal Sentiment Analysis [9.998823710345919]
本稿では,各モーダルを時間的ダイナミックスと空間的構造的コンテキストに明示的に分離するTSDA法を提案する。
あらゆるモダリティに対して、時間エンコーダと空間空間エンコーダは、別々の時間的および空間的な体に信号を伝達する。
F-Consistent Cross-Modal Alignmentは、時間的特徴と時間的特徴と、時間的特徴と、空間的特徴とを一致させる。
論文 参考訳（メタデータ） (2026-01-20T06:50:40Z) - DETACH : Decomposed Spatio-Temporal Alignment for Exocentric Video and Ambient Sensors with Staged Learning [7.149401911329968]
ウェアラブルセンサーのエゴセントリックな配向は、人間のアクション認識を約束するが、ユーザの不快感、プライバシの懸念、スケーラビリティに現実的な制限に直面している。
我々は、非侵襲的でスケーラブルな代替手段として、周囲センサーを用いたエキゾセントリックなビデオを探究する。
Opportunity++とHambi-USPWUデータセットのダウンストリームタスクによる総合的な実験は、適応型エゴセントリックウェアングベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2025-12-23T14:55:53Z) - Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。
拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。
LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文 参考訳（メタデータ） (2025-11-11T08:40:28Z) - AutoLayout: Closed-Loop Layout Synthesis via Slow-Fast Collaborative Reasoning [102.71841660031065]
Autoは、クローズドループの自己検証プロセスをデュアルシステムフレームワークに統合する、完全に自動化された方法である。
Autoの有効性は8つの異なるシナリオで検証され、SOTA法よりも10.1%改善された。
論文 参考訳（メタデータ） (2025-07-06T08:35:22Z) - TraF-Align: Trajectory-aware Feature Alignment for Asynchronous Multi-agent Perception [7.382491303268417]
TraF-Alignは、過去の観測からエゴ車両の現在までの物体の特徴レベル軌道を予測することによって、特徴のフローパスを学習する。
このアプローチは空間的不整合を補正し、エージェント間のセマンティックな一貫性を確保し、効果的に動きを補償する。
2つの実世界のデータセットであるV2V4RealとDAIR-V2X-Seqの実験は、TraF-Alignが非同期協調知覚のための新しいベンチマークを設定していることを示している。
論文 参考訳（メタデータ） (2025-03-25T06:56:35Z) - Self-Localized Collaborative Perception [49.86110931859302]
我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。
$mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。
$mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
論文 参考訳（メタデータ） (2024-06-18T15:26:54Z) - Robust Collaborative Perception without External Localization and Clock Devices [52.32342059286222]
複数のエージェントをまたいだ一貫した空間的時間的調整は、協調的な知覚の基礎である。
従来の手法は、ローカライゼーションとクロック信号を提供するために外部デバイスに依存している。
本稿では,様々なエージェントの知覚データに内在する幾何学的パターンを認識して整列する手法を提案する。
論文 参考訳（メタデータ） (2024-05-05T15:20:36Z) - A Cooperative Perception System Robust to Localization Errors [8.65435011972241]
我々はOptiMatchと呼ばれる分散オブジェクトレベルの協調認識システムを提案する。
検出された3Dバウンディングボックスと局所状態情報は、接続された車両間で共有される。
実験の結果,提案手法は最先端のベンチマーク融合方式よりも優れていた。
論文 参考訳（メタデータ） (2022-10-12T15:07:24Z)
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。