DSRC：面向腐蚀的密度不敏感且语义感知的协作表示学习
计算机视觉与模式识别
2025-02-28 v2
摘要
以 Vehicle-to-Everything (V2X) 通信为潜在应用，多智能体协作感知在 3D 对象检测方面取得了显著成果。尽管这些方法在标准基准上显示出令人印象深刻的结果，但要进一步验证其在面对复杂真实环境时的鲁健性仍需验证。为此，我们提出了第一个旨在评估协作感知方法在真实环境中典型腐蚀情况下的鲁健性的全面基准。进一步地，我们提出了 DSRC，一种旨在学习密度不敏感且语义感知的协作表示，以抵御腐蚀的方法。DSRC 包含两个关键设计：i) 语义引导的稀疏到稠密蒸馏框架，该框架通过由 ground truth 边界框绘制的多视图稠密对象来有效学习密度不敏感且语义感知的协作表示；ii) 一种特征到点云重建方法，以更好地跨智能体融合关键协作表示。为全面评估 DSRC，我们在真实数据集和模拟数据集上进行了大量实验。结果表明，我们的方法在干净和腐蚀条件下均优于 SOTA 协作感知方法。代码可在 https://github.com/Terry9a/DSRC 提供。
引用
@article{arxiv.2412.10739,
title = {DSRC: Learning Density-insensitive and Semantic-aware Collaborative Representation against Corruptions},
author = {Jingyu Zhang and Yilei Wang and Lang Qian and Peng Sun and Zengwen Li and Sudong Jiang and Maolin Liu and Liang Song},
journal= {arXiv preprint arXiv:2412.10739},
year = {2025}
}
备注
Accepted by AAAI2025