A Survey on Intermediate Fusion Methods for Collaborative Perception Categorized by Real World Challenges

要約

この調査では、自動運転のための協調知覚における中間融合手法を現実世界の課題ごとに分類して分析します。
さまざまな方法を検討し、その特徴と使用する評価指標を詳しく説明します。
焦点は、伝送効率、位置特定エラー、通信の中断、異質性などの課題に対処することにあります。
さらに、敵対的な攻撃と防御に対抗する戦略や、ドメインの変化に適応するアプローチを探ります。
目的は、中間融合手法がこれらの多様な課題に効果的に対処する方法の概要を示し、自動運転における協調知覚の分野の進歩における中間融合手法の役割を強調することです。

要約(オリジナル)

This survey analyzes intermediate fusion methods in collaborative perception for autonomous driving, categorized by real-world challenges. We examine various methods, detailing their features and the evaluation metrics they employ. The focus is on addressing challenges like transmission efficiency, localization errors, communication disruptions, and heterogeneity. Moreover, we explore strategies to counter adversarial attacks and defenses, as well as approaches to adapt to domain shifts. The objective is to present an overview of how intermediate fusion methods effectively meet these diverse challenges, highlighting their role in advancing the field of collaborative perception in autonomous driving.

arxiv情報

著者 Melih Yazgan,Thomas Graf,Min Liu,J. Marius Zoellner
発行日 2024-04-24 18:57:30+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク