Coop-WD: Cooperative Perception with Weighting and Denoising for Robust V2V Communication

要約

協力的な認識、車両から車両（V2V）通信を介して複数の車両からの共有情報を活用することは、単一車両の知覚の制限を軽減するために自律運転に重要な役割を果たします。
既存の研究では、V2Vコミュニケーション障害が知覚精度に及ぼす影響を調査していますが、さまざまなレベルの障害に対する一般化がありません。
この作業では、V2Vチャネル障害の対象となる共同認識を高めるために、共同重み付けと除去フレームワークであるCOOP-WDを提案します。
このフレームワークでは、自己監視されたコントラストモデルと条件付き拡散確率モデルは、車両レベルおよびピクセルレベルの特徴の向上に階層的に採用されています。
効率的なバリアントモデルであるCOOP-WD-ECOは、除去を選択的に非アクティブ化して処理オーバーヘッドを減らすことが提案されています。
リアンのフェード、非定常性、および時変歪みが考慮されます。
シミュレーション結果は、提案されたCoop-WDがあらゆる種類のチャネルで従来のベンチマークを上回ることを示しています。
視覚的な例を使用した定性分析は、提案された方法の優位性をさらに証明します。
提案されているCoop-WD-ECOは、チャネル条件が改善するにつれて同等の精度を維持しながら、重度の歪みの下での計算コストの最大50％の削減を達成します。

要約(オリジナル)

Cooperative perception, leveraging shared information from multiple vehicles via vehicle-to-vehicle (V2V) communication, plays a vital role in autonomous driving to alleviate the limitation of single-vehicle perception. Existing works have explored the effects of V2V communication impairments on perception precision, but they lack generalization to different levels of impairments. In this work, we propose a joint weighting and denoising framework, Coop-WD, to enhance cooperative perception subject to V2V channel impairments. In this framework, the self-supervised contrastive model and the conditional diffusion probabilistic model are adopted hierarchically for vehicle-level and pixel-level feature enhancement. An efficient variant model, Coop-WD-eco, is proposed to selectively deactivate denoising to reduce processing overhead. Rician fading, non-stationarity, and time-varying distortion are considered. Simulation results demonstrate that the proposed Coop-WD outperforms conventional benchmarks in all types of channels. Qualitative analysis with visual examples further proves the superiority of our proposed method. The proposed Coop-WD-eco achieves up to 50% reduction in computational cost under severe distortion while maintaining comparable accuracy as channel conditions improve.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google