OpenCOOD-Air：通过空间转换与偏移预测实现地面-空中协作感知的提示驱动异构方法
计算机视觉与模式识别
2026-03-17 v1
摘要
虽然车辆间协作(V2V)通过多智能体数据共享扩展了感知范围，但其可靠性仍严重受地面遮挡和底盘安装传感器视角有限的制约，常导致关键感知盲区。我们提出OpenCOOD-Air，一种新型框架，将无人机作为可扩展平台集成到V2V协作感知中，以克服上述限制。为缓解地面-空域差距导致的梯度干扰及数据稀疏问题，我们采用迁移学习策略，对UAV权重进行微调，基于预训练的V2V模型。为防止该转换过程中的空间信息丢失，我们将地面-空协作感知建模为具有显式高度监督的异构集成任务，引入跨域空间转换器(CDSC)和空间偏移预测变换器(SOPT)。此外，我们还构建了OPV2V-Air基准测试，以验证从V2V到车辆间-车辆间-无人机的过渡。与最新方法相比，我们的方法在2D和3D [email protected]上分别提升了4%和7%。
引用
@article{arxiv.2603.13919,
title = {OpenCOOD-Air: Prompting Heterogeneous Ground-Air Collaborative Perception with Spatial Conversion and Offset Prediction},
author = {Xianke Wu and Songlin Bai and Chengxiang Li and Zhiyao Luo and Yulin Tian and Fenghua Zhu and Yisheng Lv and Yonglin Tian},
journal= {arXiv preprint arXiv:2603.13919},
year = {2026}
}