論文の概要: RSSA: Robust Semantic and Spatial Aligner for Collaborative Perception
- arxiv url: http://arxiv.org/abs/2611.18023v1
- Date: Fri, 13 Nov 2026 10:48:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.342198
- Title: RSSA: Robust Semantic and Spatial Aligner for Collaborative Perception
- Title(参考訳): RSSA: 協調的知覚のためのロバストな意味と空間的知能
- Abstract要約: V2X協調知覚は、協調エージェントから多視点特徴を集約することにより、単車知覚を改善する。
既存の手法は、単純な空間のワープに頼って協調的な特徴を整列させ、融合時に意味的不一致を引き起こす。
本稿では,ロバスト・セマンティック・スペース・アリグナー (RSSA) と呼ばれるプラグインモジュールを提案する。
- 参考スコア(独自算出の注目度): 26.562858293023414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: V2X collaborative perception improves single-vehicle perception by aggregating multi-view features from collaborative agents. However, existing methods typically rely on simple spatial warping to align the collaborative features, which can cause semantic misalignment during fusion. Meanwhile, these deterministic warping-based methods are highly sensitive to the positional noises. In this paper, we propose a plug-in module called Robust Semantic and Spatial Aligner (RSSA), which performs semantic and probabilistic spatial transformations for robust feature alignment. Specifically, a Semantic Transformation (SemT) block modulates feature channels based on the observed relative pose to correct semantic inconsistencies. Subsequently, a Probabilistic Spatial Transformation (P-SpaT) block performs probabilistic warping by sampling from the Gaussian-modeled relative pose space. A Relative Transformation Augmentation (RT-Aug) strategy is further introduced to augment the relative poses and facilitate the training of the RSSA. Extensive experiments on both simulated and real-world datasets demonstrate that RSSA improves the state-of-the-art methods by a large margin under the configuration of both clean and noisy positions.
- Abstract(参考訳): V2X協調知覚は、協調エージェントから多視点特徴を集約することにより、単車知覚を改善する。
しかし、既存の手法は一般に単純な空間のワープに頼って協調的な特徴を整列させ、融合時に意味的不一致を引き起こす。
一方、これらの決定論的ワープに基づく手法は位置雑音に非常に敏感である。
本稿では,ロバスト・セマンティック・スペース・アリグナー (RSSA) と呼ばれるプラグインモジュールを提案する。
具体的には、セマンティックトランスフォーメーション(SemT)ブロックは、観測された相対的なポーズに基づいて特徴チャネルを変調し、意味的不整合を正す。
その後、確率的空間変換(P-SpaT)ブロックは、ガウスモデルによる相対ポーズ空間からのサンプリングにより確率的ワープを行う。
相対的なポーズを増強し、RSSAのトレーニングを容易にするために、RT-Aug(Relative Transformation Augmentation)戦略が導入された。
シミュレーションと実世界の両方のデータセットに対する大規模な実験により、RSSAはクリーンな位置とノイズの多い位置の両方で、最先端の手法を大きなマージンで改善することを示した。
関連論文リスト
- COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳(メタデータ) (2026-10-13T09:23:12Z) - Multimodal Foundation Models Adaptation based on Domain-Aware Relaxed Orthogonal Subspace for Remote Sensing [16.45880716714667]
Domain-Aware Relaxed Orthogonal Subspace adaptation (DROS)
DROSはデータ条件付きサブスペース学習と柔軟なサブスペース適応として低ランク適応を再構成する。
複数のリモートセンシングベンチマークの実験は、DROSが最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2026-09-12T02:19:11Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳(メタデータ) (2026-05-25T09:57:46Z) - Weighted Reverse Convolution for Feature Upsampling [11.417895756597545]
WRC(Weighted Reverse Convolution)は、高レベルな視覚ディスクリプタをデジタイズするための空間適応型逆演算子である。
WRCは空間的に異なる特徴に適応し、過剰な平滑化を緩和しながら重要な構造を保存する。
WRCは、セグメンテーション、深さ推定、ビデオオブジェクトのセグメンテーション、オブジェクト発見、キーポイント対応など、様々なダウンストリームベンチマークにおける機能品質を一貫して改善している。
論文 参考訳(メタデータ) (2026-05-17T14:20:53Z) - Bridging Simulation and Reality: Cross-Domain Transfer with Semantic 2D Gaussian Splatting [60.513168855890974]
ロボット操作におけるクロスドメイン転送は、シミュレートされた環境と実世界の環境の間に大きなドメインギャップがあるため、長年にわたる課題である。
本研究では,オブジェクト中心の領域不変空間特徴を抽出する新しい表現法であるSemantic 2D Gaussian Splatting (S2GS)を提案する。
S2GSはsim-to-real転送性を大幅に改善し、現実世界のシナリオで高安定なタスク性能を維持する。
論文 参考訳(メタデータ) (2025-12-04T12:16:15Z) - SemaMIL: Semantic-Aware Multiple Instance Learning with Retrieval-Guided State Space Modeling for Whole Slide Images [17.674866281320046]
SemaMILは,スライド画像全体から識別特徴を抽出する適応的手法である。
セマンティックに類似したパッチを、可逆的な置換によってシーケンスでクラスタ化する。
FLOPやパラメータを少なくして最先端のサブタイプ精度を実現する。
論文 参考訳(メタデータ) (2025-08-30T10:13:18Z) - Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。
これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。
提案手法は他の最先端アルゴリズムに対して好適に機能する。
論文 参考訳(メタデータ) (2024-05-15T00:17:48Z) - Dynamic Kernel-Based Adaptive Spatial Aggregation for Learned Image
Compression [63.56922682378755]
本稿では,空間アグリゲーション機能の拡張に焦点をあて,動的カーネルベースの変換符号化を提案する。
提案したアダプティブアグリゲーションはカーネルオフセットを生成し、コンテント条件付き範囲の有効な情報をキャプチャして変換を支援する。
実験により,本手法は,最先端の学習手法と比較して,3つのベンチマークにおいて高い速度歪み性能が得られることを示した。
論文 参考訳(メタデータ) (2023-08-17T01:34:51Z) - Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。
IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。
IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
論文 参考訳(メタデータ) (2021-03-02T08:20:08Z)
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。