Coop-WD：面向鲁棒车联网通信的加权与去噪协同感知框架
计算机视觉与模式识别
2025-05-07 v1
摘要
协同感知利用车联网（V2V）通信共享来自多辆车的信息，在自动驾驶中发挥着至关重要的作用，以缓解单车感知的局限性。现有工作已探索了V2V通信损伤对感知精度的影响，但它们缺乏对不同损伤程度的泛化能力。在本工作中，我们提出了一种联合加权与去噪框架Coop-WD，以增强受V2V信道损伤影响的协同感知。在该框架中，分层采用自监督对比模型和条件扩散概率模型，分别进行车辆级和像素级特征增强。我们提出了一种高效变体模型Coop-WD-eco，通过选择性停用去噪来降低处理开销。考虑了莱斯衰落、非平稳性和时变失真。仿真结果表明，所提出的Coop-WD在所有类型的信道中均优于传统基准方法。结合可视化示例的定性分析进一步证明了我们所提方法的优越性。所提出的Coop-WD-eco在严重失真下可实现高达50%的计算成本降低，同时随着信道条件的改善保持相当的精度。
引用
@article{arxiv.2505.03528,
title = {Coop-WD: Cooperative Perception with Weighting and Denoising for Robust V2V Communication},
author = {Chenguang Liu and Jianjun Chen and Yunfei Chen and Yubei He and Zhuangkun Wei and Hongjian Sun and Haiyan Lu and Qi Hao},
journal= {arXiv preprint arXiv:2505.03528},
year = {2025}
}