Hyper-V2X：用于估计合作鸟瞰视角语义分割中认识不确定性和 aleatoric 不确定性的超网络
计算机视觉与模式识别
2026-05-21 v1 机器人学
摘要
通过车联网（V2X）通信实现的协作感知通过共享感官数据创建统一的环境表示，从而增强自动驾驶的安全性。虽然近期研究已推进多智能体融合以提高感知效果，但此类协作框架中的不确定性量化仍基本未被探索。本文引入 Hyper-V2X，一种基于超网络的框架，用于估计 V2X 基于感知中的认识不确定性和 aleatoric 不确定性。具体而言，我们提出了一种部分权重生成方案和 V2X 上下文嵌入模块，将贝叶斯超网络置于融合后的多智能体特征上，以生成用于随机鸟瞰视角（BEV）语义分割的权重分布。与现有确定性 BEV 模型不同，Hyper-V2X 能够以极低的计算开销实现高效不确定性估计。该方法具有架构中立性，可无缝集成到诸如 CoBEVT 等现代协作主干网络中。在 OPV2V 基准测试上实验表明，Hyper-V2X 提供了准确且校准良好的不确定性估计，并提高了整体感知可靠性。我们的代码和基准在开源许可证下公开提供：https://github.com/abhishekjagtap1/Hyper-V2X
引用
@article{arxiv.2605.21309,
title = {Hyper-V2X: Hypernetworks for Estimating Epistemic and Aleatoric Uncertainty in Cooperative Bird's-Eye-View Semantic Segmentation},
author = {Abhishek Dinkar Jagtap and Sanath Tiptur Sadashivaiah and Andreas Festag},
journal= {arXiv preprint arXiv:2605.21309},
year = {2026}
}
备注
Accepted for IEEE Intelligent Vehicle Symposium (IV) 2026