論文の概要: LR-V2X: Loss-Resilient Collaborative Perception under Low-Bandwidth Communication

• arxiv url: http://arxiv.org/abs/2610.11264v1
• Date: Thu, 08 Oct 2026 05:19:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.814104
• Title: LR-V2X: Loss-Resilient Collaborative Perception under Low-Bandwidth Communication
• Title（参考訳）: LR-V2X:低帯域通信における損失耐性協調知覚
• Abstract要約: V2X協調知覚は、エージェントが損失や低帯域幅の通信条件下で信頼性の高いコラボレーションを達成できれば、実用的な利益を得ることができる。 本稿では, 破損した受信した潜伏者を空間前へ変換する, 損失耐性, 潜伏空間再構築フレームワークであるLR-V2Xを提案する。 DAIR-V2X と V2XREAL の実験では、LR-V2X はパケットロスが激しい場合に強い堅牢性を提供し、通信品質が低下するにつれて信頼性の高い協調性を維持することが示されている。
• 参考スコア（独自算出の注目度）: 16.786867034485027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Given the inherent unpredictability of packet loss in vehicular wireless communications, V2X collaborative perception can yield practical benefits only if agents can achieve reliable collaboration under lossy and low-bandwidth communication conditions. Existing dense BEV feature fusion methods depend on redundant BEV feature exchange, which is infeasible in low-bandwidth scenarios, while compact-communication methods aggressively compress messages but can hardly recover the missing feature content after packet loss. In this paper, we present LR-V2X, a loss-resilient, latent-space reconstruction framework that converts corrupted received latents (even under severe 90% packet loss) into a spatial prior and then reconstructs the missing BEV information from this informative prior and using ego context as condition. Notably, the model can be trained under complete communication conditions and can be directly applied to lossy conditions at test time, eliminating the need for training under numerous lossy conditions. Experiments on DAIR-V2X and V2XREAL show that LR-V2X delivers the strongest robustness under severe packet loss and preserves reliable collaboration as communication quality degrades. And it reduces communication overhead by $64\times$ compared to dense BEV feature fusion baselines. Code will be released at https://github.com/sidiangongyuan/LR-V2X.
• Abstract（参考訳）: 車両用無線通信におけるパケット損失の予測不能さを考えると、V2X協調認識は、エージェントが損失や低帯域幅の通信条件下で信頼性の高い協調を達成できれば、実用的な利点が得られる。 既存の高密度BEV機能融合方式は、低帯域幅のシナリオでは実現不可能な冗長なBEV機能交換に依存し、一方、コンパクト通信方式は積極的にメッセージを圧縮するが、パケットロス後に欠落した特徴内容の回復は困難である。 本稿では、破損した受信した消耗品(90%のパケット損失下であっても)を空間的事前に変換し、この情報的先行情報から行方不明のBEV情報を再構成し、エゴコンテキストを条件として使用する、損失耐性、遅延空間再構築フレームワークであるLR-V2Xを提案する。 特に、このモデルは完全な通信条件下で訓練することができ、テスト時に損失条件に直接適用することができ、多くの損失条件下でのトレーニングの必要性を排除できる。 DAIR-V2X と V2XREAL の実験では、LR-V2X はパケットロスが激しい場合に強い堅牢性を提供し、通信品質が低下するにつれて信頼性の高い協調性を維持することが示されている。 また、高密度のBEV機能融合ベースラインに比べて、通信オーバーヘッドを6,4\times$に削減する。 コードはhttps://github.com/sidiangongyuan/LR-V2Xで公開される。

関連論文リスト

• SemRD-V2X: Closure-Guided Communication with Bounded Inference for Cooperative Perception [15.157858662190215]
  車間共同認識(V2X)は中間特徴の共有による3次元検出を改善する。 ほとんどの通信効率の良い設計は、マスクやコードを経験的に最適化する。 我々は,エゴ条件付きリモート知覚におけるクロージャ・忠実な視点を導入する。
  論文  参考訳（メタデータ） (2026-09-28T05:26:08Z)
• Dense Coverage, Sparse Refinement: Byte-Constrained Cooperative Perception [9.638710946089331]
  協調知覚は、接続されたエージェント間でBird's-Eye-View(BEV)機能を共有することにより、自律的な知覚を改善する。 厳格なV2X(Varby-to-Everything)帯域制限の下では、Dense機能交換は展開が難しい。 バイト制約付き協調知覚のためのカバーリファインメント設計を提案する。
  論文  参考訳（メタデータ） (2026-09-24T12:10:17Z)
• VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
  VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。 CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
  論文  参考訳（メタデータ） (2026-09-02T11:32:52Z)
• Robust Fusion of Object-Level V2X for Learned 3D Object Detection [2.1999185330214828]
  車両間通信(V2X)はますます普及しており、車両は自身の状態をオブジェクトレベルの情報として共有することができる。 本稿では,V2Xの情報を3次元物体検出に組み込む方法と,現実的なV2X不完全性に対するシステムの堅牢性について検討する。 その結果,対象レベルの協調情報が検出性能を大幅に向上し,良好な条件下では0.80のNDSを実現する一方で,理想化されたデータに基づいて訓練されたモデルがV2X上で脆弱で過度に回復できることが示唆された。
  論文  参考訳（メタデータ） (2026-05-01T12:06:07Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• 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)
• 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)
• V2X-DSC: Multi-Agent Collaborative Perception with Distributed Source Coding Guided Communication [25.092575199683747]
  協調知覚は、マルチエージェント観察を融合させて3次元理解を改善するが、中間機能共有は厳しい帯域幅制約に直面している。 本稿では,帯域幅制限型核融合のための条件付きコーデック(DCC)フレームワークであるV2X-DSCを提案する。 DAIR-V2X、OPV2V、V2X-Realの実験では、KBレベルの通信下での最先端の精度帯域幅トレードオフが示されている。
  論文  参考訳（メタデータ） (2026-01-31T12:16:58Z)
• Communication-Efficient Multi-Modal Edge Inference via Uncertainty-Aware Distributed Learning [60.650628083185616]
  トレーニングと推論効率を向上させるために,3段階のコミュニケーション対応分散学習フレームワークを提案する。 StageIでは、デバイスがローカルなマルチモーダルな自己教師型学習を行い、デバイス-サーバ交換なしで共有およびモダリティ固有のエンコーダを得る。 集中的な顕在的融合校正による分散微調整は、モダリティごとの不確かさを解消し、ノイズやチャネルのフェーディングによって歪んだ特徴を確実に集約する。 不確実性誘導フィードバック機構であるStageIIIは、分散環境での通信精度のトレードオフを最適化し、不確実なサンプルに対する追加機能を選択的に要求する。
  論文  参考訳（メタデータ） (2026-01-21T12:38:02Z)
• 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)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)

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。