AFFormer：面向信道受损条件下的 V2X 协作感知的自适应特征融合 Transformer
计算机视觉与模式识别
2026-05-05 v1 人工智能
摘要
准确的 3D 对象检测对于确保自动驾驶车辆的安全至关重要。协作感知利用车载-everything(V2X)通信共享感知数据来增强检测，但在信道受损(如噪声、衰落和干扰)下较为脆弱。为增强智能交通系统的可靠性，本文提高了在反映常见信道损耗条件下的 V2X 协作感知鲁棒性。本文提出了自适应特征融合 Transformer(AFFormer)，一种基于 Transformer 的框架，通过建模时序、代理间和空间相关性来缓解受损特征的不利影响。AFFormer 引入了三个关键模块：用于跨代理和时间的情境感知融合的多代理与时间聚合、用于高效建模空间依赖性的双空间注意力，以及用于熵驱动的融合特征细化的不确定性引导融合。进一步采用教师-学生知识蒸馏策略，通过对齐融合特征以可靠的早期协作监督来增强鲁棒性。AFFormer 在 V2XSet 和 DAIR-V2X 数据集上进行验证，在理想和受损信道条件下均优于现有方法，显示出对信道引起的特征退化的提高鲁棒性，同时保持竞争的效率-精度权衡。
关键词
引用
@article{arxiv.2605.01888,
title = {AFFormer: Adaptive Feature Fusion Transformer for V2X Cooperative Perception under Channel Impairments},
author = {Xi Zhou and Tao Huang and Qing-Long Han and Rana Abbas and Mostafa Rahimi Azghadi},
journal= {arXiv preprint arXiv:2605.01888},
year = {2026}
}