Diff-KD: 基于扩散的知识蒸馏用于扰动下的协同感知
人工智能
2026-04-03 v1
摘要
多智能体协同感知使自主系统能够通过集体智能克服个体感知局限。然而，真实的传感器与通信退化严重削弱了这一优势。关键的是，现有方法将退化视为静态扰动或被动适应退化输入，未能主动恢复底层的干净语义。为解决这一局限，我们提出了 Diff-KD，一个将基于扩散的生成式精化融入教师-学生知识蒸馏以实现鲁棒协同感知的框架。Diff-KD 包含两个核心组件：(i) 渐进知识蒸馏（PKD），将局部特征恢复视为条件扩散过程，以从退化观测中恢复全局语义；(ii) 自适应门控融合（AGF），在融合过程中根据自我可靠性动态加权邻居。在 OPV2V 和 DAIR-V2X 上针对七种退化类型进行评估，Diff-KD 在检测精度和校准鲁棒性方面均达到了最先进的性能。
引用
@article{arxiv.2604.02061,
title = {Diff-KD: Diffusion-based Knowledge Distillation for Collaborative Perception under Corruptions},
author = {Pengcheng Lyu and Chaokun Zhang and Gong Chen and Tao Tang and Zhaoxiang Luo},
journal= {arXiv preprint arXiv:2604.02061},
year = {2026}
}