論文の概要: Link Both Views: Cross-Image Routing Attention for Dual-Endpoint V2I Beam-Pair Power Prediction
- arxiv url: http://arxiv.org/abs/2610.18195v1
- Date: Tue, 13 Oct 2026 11:31:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:57:23.056928
- Title: Link Both Views: Cross-Image Routing Attention for Dual-Endpoint V2I Beam-Pair Power Prediction
- Title（参考訳）: 両ビューのリンク:デュアルエンドポイントV2Iビームペアパワー予測のためのクロスイメージルーティング注意
- Abstract要約: 単一エンドポイントセンシングは、両方のエンドポイントにまたがるリンク中心のセンシングを動機付ける、伝播の部分的なビューのみを提供する。
両端RGB画像からの疎結合と伝播関連特徴の相互増強のためのクロスイメージルーティングアテンション(CIRA)を提案する。
CIRA上に構築されたCiFormerは、車間通信(V2I)のためのミリ波(mmWave)ビームペアパワーマトリックスを予測する。
- 参考スコア（独自算出の注目度）: 19.05454335584134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For sensing-aided communications, single-endpoint sensing offers only a partial view of propagation, motivating link-centric sensing across both endpoints. We propose cross-image routing attention (CIRA) for sparse association and mutual enhancement of propagation-relevant features from dual-endpoint RGB images. Building on CIRA, CiFormer predicts millimeter-wave (mmWave) beam-pair power matrices for vehicle-to-infrastructure (V2I) communications. Experiments show that CiFormer reduces mean absolute error and improves top-1 beam-pair selection accuracy by 3.15 percentage points over the strongest baseline. Visualizations and ablation studies support dual-endpoint sensing and selective cross-view interaction in capturing propagation-relevant dependencies, suggesting broader applications in wireless tasks beyond beam prediction.
- Abstract（参考訳）: センシング支援通信では、単一エンドポイントセンシングは、両方のエンドポイントにまたがるリンク中心のセンシングを動機付ける、伝播の部分的なビューのみを提供する。
両端RGB画像からの疎結合と伝播関連特徴の相互増強のためのクロスイメージルーティングアテンション(CIRA)を提案する。
CIRA上に構築されたCiFormerは、車間通信(V2I)のためのミリ波(mmWave)ビームペアパワーマトリックスを予測する。
実験の結果、CiFormerは平均的な絶対誤差を減らし、最強のベースラインでトップ-1ビームペア選択精度を3.15ポイント向上した。
可視化とアブレーション研究は、伝搬関連依存関係のキャプチャにおけるデュアルエンドポイントセンシングと選択的クロスビュー相互作用をサポートし、ビーム予測以上の無線タスクの幅広い応用を示唆している。
関連論文リスト
- Driving in Spikes: An Entropy-Guided Object Detector for Spike Cameras [62.94986160782233]
スパイクカメラは、マイクロ秒のレイテンシとオブジェクト検出のための超高ダイナミックレンジを提供する。
希少で離散的な出力は標準画像ベースの検出器では処理できない。
デュアルブランチ設計によるエンド・ツー・エンドのスパイクカメラ検出器EASDを提案する。
DSEC Spikeは、最初の駆動指向シミュレートされたスパイク検出ベンチマークである。
論文 参考訳（メタデータ） (2025-11-19T14:16:17Z) - RaCFormer: Towards High-Quality 3D Object Detection via Query-based Radar-Camera Fusion [58.77329237533034]
本稿では3次元物体検出の精度を高めるために,Raar-Camera fusion transformer (RaCFormer)を提案する。
RaCFormerは、nuScenesデータセット上で64.9% mAPと70.2%の優れた結果を得る。
論文 参考訳（メタデータ） (2024-12-17T09:47:48Z) - DEYOLO: Dual-Feature-Enhancement YOLO for Cross-Modality Object Detection [5.946464547429392]
照明の悪い環境での物体検出は、通常RGB画像でははっきりと見えないため、難しい作業である。
本稿では,デュアルエンハンスメントに基づくオブジェクト検出ネットワークDEYOLOを提案する。
提案手法は,SOTAオブジェクト検出アルゴリズムよりも明確なマージンで優れている。
論文 参考訳（メタデータ） (2024-12-06T10:39:11Z) - FENet: Focusing Enhanced Network for Lane Detection [0.0]
この研究は、Focusing Smpling、Partial Field of View Evaluation、Enhanced FPN Architecture、Directional IoU Lossで拡張されたネットワークのパイオニアである。
実験では、均一なアプローチとは異なり、重要な遠隔の細部を強調しながら、集中サンプリング戦略を実証した。
今後の方向性には、道路上のデータ収集や、補完的な2つのフレームワークの統合などが含まれる。
論文 参考訳（メタデータ） (2023-12-28T17:52:09Z) - EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation [62.210091681352914]
自律運転やロボティクスなど,多くのアプリケーションを対象とした3次元セマンティックセマンティックセグメンテーションのためのマルチセンサフュージョンについて検討する。
本研究では,知覚認識型マルチセンサフュージョン(PMF)と呼ばれる協調融合方式について検討する。
本稿では,2つのモードから特徴を分離して抽出する2ストリームネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-21T10:47:26Z) - Cross-Modality 3D Object Detection [63.29935886648709]
本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。
アーキテクチャ全体が2段階の融合を促進する。
KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
論文 参考訳（メタデータ） (2020-08-16T11:01:20Z)
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。