实体
V2V4Real
V2V4Real
PulseAugur coverage of V2V4Real — every cluster mentioning V2V4Real across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的CoDS框架通过专家驱动的检测增强了协同感知
研究人员开发了CoDS，一个用于多智能体系统中鲁棒协同感知的新型框架。该方法解决了噪声数据带来的挑战，例如姿态错误和通信延迟，这些通常会降低融合特征的质量。CoDS集成了检测和鸟瞰图（BEV）分割任务，利用分割的道路区域来精炼目标分布，并利用边界框来澄清分割歧义。该框架包含一个协同可靠性图（CoRM）来评估特征质量分布，一个语义专家混合（S-MoE）模块用于差异化特征提取，以及双向任务互补交互（BTCI）通过特征精炼来减轻噪声退化。
-
CoGoal3D框架增强协同3D目标检测
研究人员推出CoGoal3D，一个用于协同3D目标检测的新框架，解决了现有2D方法局限性。该系统采用两阶段流程提取和精炼3D特征，缓解了因车辆视角不同导致的空间不对齐问题。CoGoal3D在公开数据集上取得了最先进的性能，在3D检测精度方面显示出显著提升。
-
新的C2E框架通过多教师对比知识蒸馏提升自动驾驶中仅靠自身感知的3D目标检测
研究人员开发了一个名为C2E（Co-Perception to Eo-Perception）的新框架，该框架增强了自动驾驶系统中的3D目标检测能力。该框架利用多教师对比知识蒸馏方法，将知识从协同感知模型转移到仅靠自身感知的模型。C2E框架旨在保留协同感知的高性能，同时减轻通信成本和姿态误差等问题。在多个数据集上的实验表明，在不增加通信开销的情况下，3D mAP性能得到了显著提升。