論文の概要: CERF: Communication-Efficient and Retraining-Free Collaborative Perception

• arxiv url: http://arxiv.org/abs/2609.00951v1
• Date: Tue, 01 Sep 2026 09:10:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.492122
• Title: CERF: Communication-Efficient and Retraining-Free Collaborative Perception
• Title（参考訳）: CERF:コミュニケーション効率とリトレーニング不要な協調的知覚
• Authors: Jiuwu Hao, Ziyi Ni, Liguo Sun, Yuting Wan, Yueyang Wu, Ti Xiang, Haolin Song, Pin Lv,
• Abstract要約: CERFは、オープンな異種協調知覚のためのコミュニケーション効率とリトレーニングフリーのフレームワークである。 我々は,他のエージェントの知覚出力から生成される新しい仮想モダリティ(終末ポチャ)を導入する。 実験により、CERFはメインストリームの中間協調手法に匹敵する性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 5.910657156988197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collaborative perception shares information among multiple agents to obtain a comprehensive scene representation, enhancing the perceptual capability of individual agents. However, most existing methods rely on transmitting and fusing dense feature maps for collaboration, which incurs inevitable communication overhead and heterogeneity challenges, limiting their practicality for real-world deployment. To address these challenges, we propose CERF, a novel Communication-Efficient and Retraining-Free framework for open heterogeneous collaborative perception. In CERF, we introduce a new virtual modality (termed Poture), which is generated from the perception outputs of other agents, to augment the extracted Bird's Eye View (BEV) features of the ego agent. To mitigate transmission delays, we employ a Kalman-filter based tracker and a motion forecasting model to derive the current predictions from historical perception results. Extensive experiments demonstrate that CERF achieves performance comparable to mainstream intermediate-collaboration methods while reducing communication overhead by 95% across various downstream tasks. Furthermore, CERF enables seamless integration of unknown heterogeneous agents into the existing collaborative framework without additional retraining costs. Code is available at https://github.com/uestchjw/CERF.
• Abstract（参考訳）: 協調的知覚は複数のエージェント間で情報を共有して総合的なシーン表現を求め、個々のエージェントの知覚能力を高める。 しかし、既存のほとんどの手法は、コラボレーションのための密集した特徴マップの送信と融合に依存しており、それは必然的な通信オーバーヘッドと異種性の問題を引き起こし、現実のデプロイメントにおける実用性を制限している。 これらの課題に対処するために,オープンな異種協調認識のためのコミュニケーション効率・リトレーニングフリーフレームワークCERFを提案する。 CERFでは,他のエージェントの知覚出力から生成される新たな仮想モダリティ(終末ポチュア)を導入し,エゴエージェントの抽出したBird's Eye View(BEV)機能を増強する。 送信遅延を軽減するため、カルマンフィルタに基づくトラッカーと動き予測モデルを用いて、過去の知覚結果から現在の予測を導出する。 大規模な実験により、CERFは主流の中間協調手法に匹敵する性能を達成し、様々な下流タスクにおける通信オーバーヘッドを95%削減することを示した。 さらに、CERFは未知の異種エージェントを追加のトレーニングコストなしで既存の協調フレームワークにシームレスに統合することを可能にする。 コードはhttps://github.com/uestchjw/CERFで入手できる。

関連論文リスト

• Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks [51.323657802729535]
  多様な低高度経済応用のための有望なパラダイムとして、UAV(Multi-Uncrewed Aero Vehicle)協調認識が出現している。 本稿では,BHU(Base-Station-Helped UAV)と呼ばれるコミュニケーション効率の良い協調認識フレームワークを提案する。 我々は、UAVキャプチャされたRGB画像から最も情報性の高い画素を識別するためにTop-K選択機構を使用し、データボリュームと遅延を低減したスペーサー化された視覚伝達を可能にする。
  論文  参考訳（メタデータ） (2026-03-13T17:49:28Z)
• 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)
• Is Intermediate Fusion All You Need for UAV-based Collaborative Perception? [1.8689461238197957]
  本稿では, LIF と呼ばれる, 遠隔期融合に基づくコミュニケーション効率の高い協調認識フレームワークを提案する。 視覚誘導型位置埋め込み(VPE)とボックスベースの仮想拡張機能(BoBEV)を活用し,様々なエージェントからの補完情報を効果的に統合する。 実験結果から,通信帯域を最小化して通信性能を向上し,その有効性と実用性を実証した。
  論文  参考訳（メタデータ） (2025-04-30T16:22:14Z)
• CoSDH: Communication-Efficient Collaborative Perception via Supply-Demand Awareness and Intermediate-Late Hybridization [23.958663737034318]
  本稿では,供給需要の認識と中間段階のハイブリダイゼーションに基づく,コミュニケーション効率の高い協調認識フレームワークを提案する。 シミュレーションと実世界のシナリオを含む複数のデータセットの実験は、mymethodnameが最先端の検出精度と最適な帯域幅のトレードオフを達成することを実証している。
  論文  参考訳（メタデータ） (2025-03-05T12:02:04Z)
• CoPEFT: Fast Adaptation Framework for Multi-Agent Collaborative Perception with Parameter-Efficient Fine-Tuning [9.161215048625172]
  堅牢な協調認識モデルをトレーニングするには、すべての可能なコラボレーションシナリオをカバーする十分なトレーニングデータを集める必要がある。 ドメイン適応のような既存の手法は、トレーニング段階でデプロイメントデータを公開することでこの問題を軽減するが、高いトレーニングコストがかかる。 低コストで新しい展開環境に協調認識モデルを適用するための軽量なフレームワークであるCoPEFTを提案する。
  論文  参考訳（メタデータ） (2025-02-15T07:33:33Z)
• 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)
• Towards Full-scene Domain Generalization in Multi-agent Collaborative Bird's Eye View Segmentation for Connected and Autonomous Driving [49.03947018718156]
  協調的な知覚の訓練と推論の段階で利用される統合されたドメイン一般化フレームワークを提案する。 また、システム内ドメインアライメント機構を導入し、コネクテッドおよび自律走行車間のドメインの差を減らし、潜在的に排除する。
  論文  参考訳（メタデータ） (2023-11-28T12:52:49Z)

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。