V2V4Real
PulseAugur coverage of V2V4Real — every cluster mentioning V2V4Real across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
EgoRefine框架增强异步协作感知
研究人员开发了EgoRefine，一个旨在提高互联代理中异步协作感知能力的新型框架。该系统通过使用自引用预测对齐和轨迹条件可靠性感知融合来解决合作特征中的时间延迟挑战。自引用预测对齐模块基于自代理的当前特征，指导合作轨迹场的预测和细化。然后，轨迹条件可靠性感知融合模块在卷积融合之前，通过考虑轨迹差异和细化幅度，自适应地重新加权自代理和合作数据流。在V2V4Real和DAIR-V2X-Seq数据集上的实验表明，EgoRefine的性能优…
-
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。