INSTINCT：面向查询的实例级交互架构用于协作感知
计算机视觉与模式识别
2025-09-30 v1
摘要
协作感知系统通过整合多代理感知数据来克服单车辆在远距离检测和遮挡场景中的局限性，提高检测精度和安全性。然而，频繁的合作交互和实时要求对带宽提出了严苛限制。先前的研究表明，基于查询的实例级交互可减少带宽需求和手动先验条件，但LiDAR导向的协作感知实现仍不成熟，性能仍落后于最先进的方法。为弥合这一差距，我们提出INSTINCT（INSTance-level INteraCtion ArchiTecture），一种新型协作感知框架，包含三个核心组件：1）针对高质量实例特征选择的质量感知过滤机制；2）用于解耦与合作无关和合作相关实例的双分支检测路由方案；3）用于聚合本地混合实例特征的跨代理本地实例融合模块。此外，我们增强了地面实况（GT）采样技术，以促进多样化混合实例特征的训练。广泛的实验表明，INSTINCT性能卓越。具体而言，我们的方法在DAIR-V2X和V2V4Real数据集上实现了精度提升13.23%/33.08%，同时将通信带宽降低至最先进方法的1/281和1/264。代码已公开https://github.com/CrazyShout/INSTINCT。
引用
@article{arxiv.2509.23700,
title = {INSTINCT: Instance-Level Interaction Architecture for Query-Based Collaborative Perception},
author = {Yunjiang Xu and Lingzhi Li and Jin Wang and Yupeng Ouyang and Benyuan Yang},
journal= {arXiv preprint arXiv:2509.23700},
year = {2025}
}
备注
14 pages, 8 figures