Attention Based Feature Fusion For Multi-Agent Collaborative Perception

要約

タイトル：多エージェント協調知覚のための注意メカニズムを利用した特徴融合

要約：
– ITSという分野において、多数のエージェントによる協力的な知覚が個別の知覚の制限を克服するための有望な手法として注目されている。
– しかしながら、情報の収集方法や通信帯域幅など、多様な制限によって協調的知覚の信頼性が低下する可能性がある。
– 本論文では、中間的な協力的な知覚ソリューションとしてグラフ・アテンション・ネットワーク（GAT）を提案する。
– 提案手法は、複数の接続されたエージェント間で交換される中間表現を結合するための注目ベースの集約戦略を開発する。
– チャネルと空間レベルの重要な領域を選択的に強調することで、改善されたオブジェクト検出精度を実現する。
– 提案手法の有効性を検証するために、V2XSimデータセットを用いて他の研究手法と比較した。
– 提案手法は、ネットワークリソースの使用を削減しながらオブジェクト検出の平均精度を向上させることができることが示された。

要約(オリジナル)

In the domain of intelligent transportation systems (ITS), collaborative perception has emerged as a promising approach to overcome the limitations of individual perception by enabling multiple agents to exchange information, thus enhancing their situational awareness. Collaborative perception overcomes the limitations of individual sensors, allowing connected agents to perceive environments beyond their line-of-sight and field of view. However, the reliability of collaborative perception heavily depends on the data aggregation strategy and communication bandwidth, which must overcome the challenges posed by limited network resources. To improve the precision of object detection and alleviate limited network resources, we propose an intermediate collaborative perception solution in the form of a graph attention network (GAT). The proposed approach develops an attention-based aggregation strategy to fuse intermediate representations exchanged among multiple connected agents. This approach adaptively highlights important regions in the intermediate feature maps at both the channel and spatial levels, resulting in improved object detection precision. We propose a feature fusion scheme using attention-based architectures and evaluate the results quantitatively in comparison to other state-of-the-art collaborative perception approaches. Our proposed approach is validated using the V2XSim dataset. The results of this work demonstrate the efficacy of the proposed approach for intermediate collaborative perception in improving object detection average precision while reducing network resource usage.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI