論文の概要: CoCam4D: Geometry-Aware Cooperative 4D Perception for Camera-Only Autonomous Driving

• arxiv url: http://arxiv.org/abs/2610.11577v1
• Date: Thu, 08 Oct 2026 09:31:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.927807
• Title: CoCam4D: Geometry-Aware Cooperative 4D Perception for Camera-Only Autonomous Driving
• Title（参考訳）: CoCam4D: カメラ専用自動運転のための幾何学的協調4D知覚
• Abstract要約: マルチエージェント協調認識(CP)は、車両が知覚情報を共有し、シーンを協調的に再構築できるようにすることによって、課題に対処する。 幾何的不確かさを明示的にモデル化したベイズ的協調認識フレームワークであるCoCam4Dを提案する。 OPV2V+では11.48%, DAIR-V2X-Cでは10.62%向上した。
• 参考スコア（独自算出の注目度）: 3.5488685789514736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous vehicles often suffer from limited perception due to occlusions, blind spots, limited sensor range, and the complex nature of surrounding environments. Multi-agent collaborative perception (CP) addresses these challenges by allowing vehicles to share sensory information and reconstruct the scene cooperatively. However, camera-only perception remains fundamentally limited by the uncertainty of distance-dependent monocular depth estimation. We propose CoCam4D, a Bayesian framework for collaborative perception that explicitly models geometric uncertainty. It uses a VGGT-based feedforward network to generate 3D Gaussian scene representations with associated uncertainty estimates, enabling multiple vehicles or agents to efficiently combine their observations. By sharing compact Gaussian primitives, reliable observations from one agent can reduce the depth uncertainty of another without requiring LiDAR sensors. To support real-world deployment, we introduce Dynamic Object Primitives (DOPs), a compact 35-byte representation designed for efficient C-V2X communication. Extensive experiments show that our proposed method consistently outperforms recent vision-only methods, achieving improvements of 11.48% on OPV2V+ and 10.62% on DAIR-V2X-C, demonstrating the potential of geometrically grounded collaborative perception for LiDAR-free autonomous driving.
• Abstract（参考訳）: 自動運転車はしばしば、閉塞、盲点、センサー範囲の制限、周囲環境の複雑な性質により、限られた知覚に悩まされる。 マルチエージェント協調認識(CP)は、車両が知覚情報を共有し、シーンを協調的に再構築できるようにすることによって、これらの課題に対処する。 しかし、距離依存的な単眼深度推定の不確実性により、カメラのみの知覚は基本的に制限されている。 幾何的不確かさを明示的にモデル化したベイズ的協調認識フレームワークであるCoCam4Dを提案する。 VGGTベースのフィードフォワードネットワークを使用して、関連する不確実性推定を伴う3Dガウスシーン表現を生成する。 コンパクトなガウス原始体を共有することで、あるエージェントからの信頼できる観測により、LiDARセンサーを必要とせずに、別のエージェントの深度不確かさを低減することができる。 実世界のデプロイを支援するために,効率的なC-V2X通信のために設計された35バイトのコンパクトな表現であるDynamic Object Primitives (DOPs)を導入する。 OPV2V+で11.48%、DAIR-V2X-Cで10.62%向上し、LiDAR非自律運転における幾何的接地型協調認識の可能性を示した。

関連論文リスト

• 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)
• V2XCrafter: Learning to Generate Driving Scene Across Agents [52.22336670088219]
  協調運転システムは、運転安全性を高めるために、車両間通信(V2X)を利用して協調認識を行う。 エージェントのカメラビューにまたがって制御可能で現実的な協調運転シーンを生成するための最初のフレームワークであるV2XCrafterを提案する。 実験により,V2XCrafterはエージェント間の整合性を持った高忠実かつ制御可能なストリートビューを生成できることがわかった。
  論文  参考訳（メタデータ） (2026-05-28T07:03:51Z)
• AGC-Drive: A Large-Scale Dataset for Real-World Aerial-Ground Collaboration in Driving Scenarios [68.84774511206797]
  AGC-DriveはAerial-Ground Cooperativeの3D知覚のための最初の大規模実世界のデータセットである。 AGC-Driveには350のシーンがあり、それぞれ約100のフレームと13のオブジェクトカテゴリをカバーする完全な注釈付き3Dバウンディングボックスがある。 車両間協調認識と車両間協調認識の2つの3次元タスクのベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-06-19T14:48:43Z)
• SiCP: Simultaneous Individual and Cooperative Perception for 3D Object Detection in Connected and Automated Vehicles [18.23919432049492]
  連結車両と自動車両の協調認識は、伝統的に2台以上の車両の特徴マップの融合によって達成される。 この欠点は、車両資源が2つの知覚モデルを同時に使用するには不十分なため、協調的な知覚の採用を妨げる。 我々は、最先端のスタンドアロン認識バックボーンを幅広くサポートする汎用フレームワークである、同時個人協調知覚(SiCP)を提示する。
  論文  参考訳（メタデータ） (2023-12-08T04:12:26Z)
• CoBEVFusion: Cooperative Perception with LiDAR-Camera Bird's-Eye View Fusion [0.0]
  協調認識における最近のアプローチは、カメラやLiDARのような単一のセンサー情報しか共有していない。 我々は,LiDARとカメラデータを融合してBird's-Eye View(BEV)表現を生成する,CoBEVFusionというフレームワークを提案する。 BEVセマンティックセグメンテーションと3Dオブジェクト検出という2つの認識課題に対して,協調認識データセットOPV2Vを用いて評価を行った。
  論文  参考訳（メタデータ） (2023-10-09T17:52:26Z)
• Collaboration Helps Camera Overtake LiDAR in 3D Detection [49.58433319402405]
  カメラのみの3D検出は、LiDARベースの検出システムと比較して、オブジェクトを3D空間にローカライズするための簡単なソリューションを提供する。 提案するコラボレーティブカメラのみの3D検出(CoCa3D)により,エージェントは通信を通じて相互に補完情報を共有できる。 その結果、CoCa3Dは従来のSOTA性能をDAIR-V2Xで44.21%改善し、OPV2V+で30.60%、AP@70でCoPerception-UAVs+で12.59%向上した。
  論文  参考訳（メタデータ） (2023-03-23T03:50:41Z)
• V2V4Real: A Real-world Large-scale Dataset for Vehicle-to-Vehicle Cooperative Perception [49.7212681947463]
  車両から車両への協調認識システム(V2V)は、自動運転産業に革命をもたらす大きな可能性を秘めている。 V2V4Realは、V2V知覚のための世界初の大規模実世界のマルチモーダルデータセットである。 我々のデータセットは、20KのLiDARフレーム、40KのRGBフレーム、240Kの注釈付き5クラスの3Dバウンディングボックス、HDMapからなる410kmの走行領域をカバーしている。
  論文  参考訳（メタデータ） (2023-03-14T02:49:20Z)
• CoPEM: Cooperative Perception Error Models for Autonomous Driving [20.60246432605745]
  我々は、隠蔽対象の誤検知エラーとして現れる自律走行車(AV)の(車載)知覚に焦点を当てる。 本稿では,仮想テスト環境におけるV2Xソリューションの効果的な統合を実現するために,協調知覚誤りモデル(coPEM)の概念を導入する。
  論文  参考訳（メタデータ） (2022-11-21T04:40:27Z)
• SurroundDepth: Entangling Surrounding Views for Self-Supervised Multi-Camera Depth Estimation [101.55622133406446]
  本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。 具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。 実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-04-07T17:58:47Z)

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。